Modelado de Ruta Mas Corta para La Comun PDF

MODELADO DE RUTA MS CORTA PARA LA COMUNICACIN Y
TRANSPORTE TERRESTRE ENTRE POBLACIONES DE CUNDINAMARCA

COMO UNA PROPUESTA A LA MOVILIDAD REGIONAL
TORRADO SARMIENTO PAOLA ANDREA
VEGA VARGAS JESSICA MILENA
FUNDACIN UNIVERSIDAD AUTONOMA DE COLOMBIA
FACULTAD DE INGENIERA
PROGRAMA DE INGENIERA INDUSTRIAL
BOGOT, COLOMBIA
2013
MODELADO DE RUTA MS CORTA PARA LA COMUNICACIN Y
TRANSPORTE TERRESTRE ENTRE POBLACIONES DE CUNDINAMARCA
COMO UNA PROPUESTA A LA MOVILIDAD REGIONAL
TORRADO SARMIENTO PAOLA ANDREA
VEGA VARGAS JESSICA MILENA
Trabajo de Grado para Optar por el Ttulo de Ingeniero Industrial
Asesor: Ing. Esp. Oscar Palacio Len, Msc.
FUNDACIN UNIVERSIDAD AUTONOMA DE COLOMBIA
FACULTAD DE INGENIERA
PROGRAMA DE INGENIERA INDUSTRIAL
BOGOT, COLOMBIA
2013
PAGINA DE ACEPTACIN
NOTA DE
ACEPTACIN ____________________________________________
____________________________________________
____________________________________________
____________________________________________
____________________________________________
____________________________________________
FIRMA DEL
ASESOR
____________________________________________
FIRMA DEL
JURADO
____________________________________________
FIRMA DEL
JURADO
___________________________________________
FECHA DE
ACEPTACIN ____________________________________________
DEDICATORIA
El xito de terminar nuestro Proyecto de Grado lo dedicamos a Dios quien fue

nuestro gua, que con su poder nos dio la vida, la salud y todo lo necesario para
alcanzar este Logro.
A nuestros Padres quienes nos colaboraron econmicamente y nos motivaron a

seguir adelante cada da, para no desfallecer, y culminar este proyecto.
A nuestros Hermanos quienes comparten y se alegran de nuestros triunfos.
A nuestra Familia quienes nos brindaron su apoyo en su debido momento.
Paola Torrado, Jessica Vega.
A Fabin Torres quien fue un apoyo fundamental a lo largo de mi pregrado,

escuchndome, aconsejndome, guindome y animndome para no desfallecer.
Jessica Vega.
AGRADECIMIENTOS
Al culminar nuestro Pregrado no tenemos ms si no agradecimientos, en primer

lugar a Dios, quien nos dio la Vida, la Salud y los medios necesarios para
terminarlos satisfactoriamente.
A nuestros padres que con su afecto, paciencia y sacrificio nos brindaron en todo
momento su apoyo.
A los profesores que nos brindaron sus conocimientos, pero en especial al

Ingeniero Rafael Lombana, que nos regal sus regaos y consejos en su debido
momento, que nos hicieron crecer como personas y como profesional.
Al Ingeniero Oscar Palacio, Asesor de este Proyecto, quien nos contact con el
Grupo de Investigacin de Produccin Experimental de la Universidad Militar
Nueva Granada, quien tuvo mucha transigencia para llevar a cabo este proyecto.
A la Ingeniera Martha Ruth Mendoza quien con sus crticas y sugerencias nos
impuls a crear un Proyecto de Calidad.
Al Ingeniero Carlos Ivn Palacios, que nos trasmiti sus conocimientos sobre las
asignaturas ms importantes de la Ingeniera Industrial.
CONTENIDO
Pg.
Resumen ............................................................................................................... 16
INTRODUCCIN .................................................................................................. 18
1. MATEMATICA DISCRETA............................................................................. 23
1.1. EL PROBLEMA DE LOS PUENTES DE KNIGSBERG ......................... 24
1.2. TEORIA DE GRAFOS .............................................................................. 25
2. Algoritmos ...................................................................................................... 27
2.1. ALGORITMOS MATEMATICOS PARA LA SOLUCIN DE REDES ....... 27
2.2. CAMINO MINIMO..................................................................................... 30
2.2.1. Ruta ms corta. ................................................................................. 30

2.2.1.1. Algoritmos para la solucin de ruta ms corta ............................ 32
2.2.1.2. Hardwares comerciales para trabajar grafos............................... 34
3. LENGUAJE DE PROGRAMACIN ............................................................... 35
3.1. MODELO DE PROGRAMACIN ............................................................. 35
3.1.1. Modelo imperativo. ............................................................................ 36
3.2. PROGRAMACIN ESTRUCTURADA ..................................................... 36
3.3. COMPUTABILIDAD ................................................................................. 36
3.4. COMPLEJIDAD COMPUTACIONAL........................................................ 37
3.5. EFICIENCIA ALGORITMICA ................................................................... 37
3.5.1. Medida de la eficiencia algortmica. ................................................... 38

3.6. SOLVERS PARA MEDIR EFICIENCIA ALGORITMICA DE LA RUTA MS
CORTA .............................................................................................................. 38
4. SISTEMAS DE INFORMACIN GEOGRAFICA ............................................ 41
4.1. SISTEMA ASTRA..................................................................................... 42
5. METODOLOGA ............................................................................................ 46
5.1. INVESTIGACIN ..................................................................................... 46
5.1.1. Conocimiento. .................................................................................... 47
5.1.2. Ciencia. .............................................................................................. 47
5.2. INVESTIGACIN APLICADA .................................................................. 47
5.3. METODO CIENTIFICO ............................................................................ 48
5.3.1. Observacin....................................................................................... 48
5.3.2. Induccin. .......................................................................................... 48
5.3.3. Hiptesis. ........................................................................................... 48
5.3.4. Comprobacin de la hiptesis. .......................................................... 49
5.3.5. Demostracin de la hiptesis. ............................................................ 49
5.3.6. Tesis. ................................................................................................. 49
5.4. DESARROLLO DEL MODELO CONCEPTUAL ....................................... 49
6. DESARROLLO EXPERIMENTAL .................................................................. 50
6.1. APLICACIN DE LA METODOLOGIA..................................................... 52
6.1.1. Cdigo programado en Gams ........................................................... 54
6.1.2. Procedimiento .................................................................................... 56
6.1.2.1. Primera metodologa .................................................................. 57

6.1.2.2. Segunda metodologa ................................................................. 58
6.1.2.3. Tercera metodologa ................................................................... 60
7. CONTRASTE DE ALGORITMOS COMPUTACIONALES PARA LA

SOLUCIN DEL PROBLEMA DE RUTA MS CORTA ........................................ 62
7.1. RESULTADOS CON SOLVERS EMPLEADOS ...................................... 64
7.1.1. SOPLEX ............................................................................................ 64
7.1.2. CBC Y BDMLP .................................................................................. 65
7.2. PRESENTACIN DEL CONTRASTE ...................................................... 66
7.3. ECUACIN GENERADA DEL CONTRASTE .......................................... 69
8. ANALISIS ECONOMICO................................................................................ 70
8.1. ELEMENTOS PROPORCIONADOS POR LA UNIVERSIDAD MILITAR

NUEVA GRANADA ............................................................................................ 70
8.2. ELEMENTOS SUMINISTRADOS POR LAS AUTORAS.......................... 71
8.3. PRESUPUESTO GENERAL .................................................................... 71
8.4. IMPACTO ESPERADO ............................................................................ 73
9. CONCLUSIONES .......................................................................................... 74
Bibliografa ......................................................................................................... 76
Lista de Figuras
Pg.
Figura 1 Mapa de Knigsberg donde se encontraban los Siete Puentes ............. 24
Figura 2 Ejemplo de un Dgrafo............................................................................ 26
Figura 3 Ejemplo de un grafo no dirigido o bidireccional ...................................... 26
Figura 4 Ejemplo de Ruta ms Corta ................................................................... 31
Figura 5 Esquema del Sistema ASTRA ............................................................... 43
Figura 6 Sistema ASTRA instalado ...................................................................... 44
Figura 7 Diferencia entre el Sistema ASTRA y el IGAC ....................................... 45

Lista de Graficas
Pg.
Grfica 1 Resultado del empleo de la primera metodologa, donde la ruta es

variable y la cantidad de nodos es constante. ....................................................... 58
Grfica 2 Resultado empleando la segunda metodologa, donde la ruta es fija y la

cantidad de nodos es variable. .............................................................................. 60
Grfica 3 Resultado empleando la tercera metodologa, donde la ruta y la

cantidad de nodos son variables. .......................................................................... 62
Grfica 4 Datos obtenidos con las corridas realizadas con el solver SOPLEX ..... 64
Grfica 5 Datos obtenidos con las corridas realizadas con el solver CBC ............ 65
Grfica 6 Datos obtenidos con las corridas realizadas con el solver BDMLP ....... 65
Grfica 7 Tiempo de corrida contra capacidad requerida ...................................... 66
Grfica 8 Comparacin de los tiempos de corrida contra cantidad de nodos de los

solvers seleccionados. .......................................................................................... 68
Lista de Tablas
Pg.
Tabla 1 Algoritmos para la solucin de redes........................................................ 28
Tabla 2 Algoritmos para la solucin de redes........................................................ 29
Tabla 3 Algoritmos para la solucin de la ruta ms corta ...................................... 32
Tabla 4 Algoritmos para la solucin de la ruta ms corta ...................................... 33
Tabla 5 Hardware para trabajar grafos .................................................................. 34
Tabla 6 Solvers para resolver problemas de programacin lineal, entera y mixta. 39
Tabla 7 Solvers para resolver problemas de programacin lineal, entera y mixta. 40
Tabla 8 Proceso del mtodo cientfico .................................................................. 50
Tabla 9 Etapas del proceso de investigacin ........................................................ 51
Tabla 10 Nodos seleccionados ............................................................................. 53

Tabla 11 Metodologa uno, Ruta variable - Nodos Constantes ............................. 57
Tabla 12 Metodologa dos, Ruta fija - Nodos variables ......................................... 59
Tabla 13 Metodologa tres, Ruta variable - Nodos variables ................................. 61
Tabla 14 Comparacin de los resultados en las corridas de los solvers ............... 63
Tabla 15 Medicin de la eficiencia algortmica ...................................................... 67
Tabla 16 Elementos proporcionados por la Universidad Militar Nueva Granada .. 70
Tabla 17 Elementos Proporcionados por las autoras ............................................ 71
Tabla 18 Presupuesto general .............................................................................. 72
Tabla 19 Impacto Esperado .................................................................................. 73

RESUMEN
En el Presente trabajo se propone un Modelado de Ruta ms corta para la

Comunicacin y transporte terrestre entre poblaciones de Cundinamarca,
contrastando diferentes algoritmos computacionales como propuesta de Movilidad
regional. Se expone sistemticamente la investigacin, que inicia con la
Matemtica Discreta, continua con la Teora de Grafos, presentando algunos
Algoritmos para su Solucin, involucrando informacin del Sistema de Informacin
Geogrfica. Para el desarrollo del mismo, se plantea una metodologa, la cual
busca analizar y determinar la Eficiencia Algortmica entre los Solvers
Seleccionados, permitiendo que este documento pueda ser base para una nueva
Investigacin respecto al problema de camino mnimo y afines.
La Movilidad es un factor que influye de forma relevante en la Competitividad de

una Regin, por ello es fundamental encontrar herramientas que permitan innovar
y mejorar en este aspecto; la fundamentacin dada en las Matemticas, la
Ingeniera, y la aplicacin de mtodos adecuados pueden lograr el desarrollo de
una estrategia que reduzca la improductividad en el tiempo de trayecto,
beneficiando tanto a habitantes, empresarios, y gobernacin, disminuyendo los
gastos en Transporte.
PALABRAS CLAVES
Teora de Grafos, Ruta ms Corta, Modelo Matemtico, Programacin Lineal,

Cundinamarca.
16
ABSTRACT
In the present paper proposes a Shortest Path Modeling for Communication and
ground transportation between locations of Cundinamarca, contrasting different
computational algorithms as proposed regional mobility.
KEYWORDS
Graph Theory, Shortest Path, Mathematical Model, Linear Programming,

Cundinamarca.
17
INTRODUCCIN
Este trabajo desarrolla un modelado de ruta ms corta a travs de una tcnica

matemtica especfica, que busca la mejora en la comunicacin y transporte
terrestre entre poblaciones de Cundinamarca, donde se presenta como una
propuesta a la movilidad regional, que permite ser una contribucin a la
Competitividad en el Departamento.
Est investigacin est inmersa en la investigacin desarrollada por el Grupo de

Investigacin de Produccin Experimental avalado por la Universidad Militar
Nueva Granada, liderado por el PhD. Ing. Pedro Jos Snchez Caimn. El
Proyecto de Investigacin Macro lleva el ttulo de Diseo de un modelo de ruta
ms corta para la comunicacin y transporte terrestre entre poblaciones de
Cundinamarca con importancia econmica, utilizando tcnicas algortmicas como
propuesta a la movilidad regional, su investigador principal es Jair Eduardo Rocha
Gonzlez, y tiene como objetivo primordial, la eficiencia algortmica entre modelos
matemticos para solucin de la ruta ms corta. Como metodologa los integrantes
del Grupo de Investigacin se dividieron por clulas de Trabajo, y a cada uno le
correspondi una tcnica matemtica especfica, para desarrollar el modelado de
ruta ms Corta para la Comunicacin y Transporte terrestre entre Poblaciones de
Cundinamarca.
18
JUSTIFICACIN
Est investigacin est inmersa en la investigacin desarrollada por el Grupo de

Investigacin de Produccin Experimental avalado por la Universidad Militar
Nueva Granada, liderado por el PhD. Ing. Pedro Jos Snchez Caimn. El
Proyecto de Investigacin Macro lleva el ttulo de Diseo de un modelo de ruta
ms corta para la comunicacin y transporte terrestre entre poblaciones de
Cundinamarca con importancia econmica, utilizando tcnicas algortmicas como
propuesta a la movilidad regional, su investigador principal es Jair Eduardo Rocha
Gonzlez, y tiene como objetivo primordial, la eficiencia algortmica entre modelos
matemticos para solucin de la ruta ms corta. Como metodologa los integrantes
del Grupo de Investigacin se dividieron por clulas de Trabajo, y a nosotras nos
correspondi una tcnica matemtica especfica para desarrollar el modelado de
ruta ms Corta para la Comunicacin y Transporte terrestre entre Poblaciones de
Cundinamarca.
Este trabajo muestra cmo, a partir de fundamentacin cientfica, tecnolgica y

humanstica, se gestiona procesos para la innovacin y mejoramiento continuo de
las organizaciones, con el objetivo de contribuir al progreso socioeconmico del
departamento y del pas, por ende a la mejora de la calidad de vida de los
colombianos.
El Programa de Ingeniera Industrial de la Universidad Autnoma de Colombia

tiene como visin que sus egresados, mediante la utilizacin plena y ptima del
conocimiento, apoyen al pas, en la implementacin de estrategias, para la
participacin activa del mismo, en el mercado global de bienes y servicios, para
19
generar un crecimiento econmico y social sostenible. (Universidad Autonoma de
Colombia, 2010). En este trabajo se pretende generar una propuesta a la
movilidad, que pretende apoyar a la Gobernacin de Cundinamarca, en su
iniciativa de mejorar la Competitividad, Innovacin y Movilidad en la regin, a
travs de diferentes Programas, tal es el caso del programa: Cundinamarca
Competitiva, Emprendedora y Empresarial, que pretende ascender durante el
periodo de Gobierno 2012-2016, un lugar en el escalafn de Fortaleza Econmica
en el Ranking de Competitividad Departamental en Colombia. Este Programa tiene
como objetivo hacer este Departamento ms competitivo, al fortalecer condiciones
y factores estructurales que permitan el crecimiento econmico, al igualar las
condiciones de las Diferentes poblaciones del Territorio. (Gobernacin de
Cundinamarca, 2012). Este trabajo presenta un Modelo que permite fortalecer y
consolidar la red regional, promoviendo la articulacin de las Poblaciones, con el
fin de apoyar las estrategias de la Gobernacin en el Fortalecimiento de la
asociatividad, el cooperativismo y otras herramientas para promover la economa
Solidaria; siendo esto una base para aumentar la Competitiva de la Regin en el
Pas.
El presente tambin procura presentar una alternativa de solucin de la movilidad

regional para generar desarrollo y fomento de la distribucin, promocin,
comercializacin de bienes y servicios entre los sectores econmicos de
Cundinamarca, permitiendo la consolidacin de redes empresariales, con el fin de
mejorar la productividad y el desarrollo tecnolgico, encaminados a mejorar la
calidad de vida de los habitantes de la regin tanto en el Sector Rural como en el
Urbano. Actualmente y de acuerdo con la informacin catastral del 2009, difundida
por el Instituto Geogrfico Agustn Codazzi (IGAC), la superficie del Departamento
es de 2.236.149 hectreas; el total de predios es de 985.901, siendo 1.442.590 el
nmero de propietarios, con un promedio de 1,46 propietarios por predio. El rea
construida es de 81.392.357 metros cuadrados; en la zona rural, existe 2.216.783
hectreas, divididas en 506.226 predios, que pertenecen a 756.412 propietarios,
20
dando un promedio de 1,49 propietarios por predio; el rea construida es
34.755.989 metros cuadrados; por lo anterior se hace necesario un plan de
movilidad, pues cabe anotar que la congregacin de las propiedades que existen
en el sector urbano, se ubican en espacios catalogados como urbanizables
(Gobernacin de Cundinamarca, 2010), y es indispensable realizar planes en
promulga del desarrollo del departamento. Para ello, se requiere generar una
propuesta que busque el mejoramiento en la interrelacin de las poblaciones de
Cundinamarca, desde sus canales viales, con el fin de aumentar la competitividad
del territorio, que se basa principalmente en mejorar la movilidad, para ello la
propuesta que se presenta a lo largo de este trabajo.
21
OBJETIVOS
OBJETIVO GENERAL.
Proponer un Modelado de Ruta ms corta para la Comunicacin y transporte

terrestre entre poblaciones de Cundinamarca, contrastando diferentes algoritmos
computacionales como propuesta de Movilidad regional.
OBJETIVOS ESPECIFICOS
Hacer diagnstico de Rutas de conexin entre los Puntos Geogrficos en el

Departamento de Cundinamarca.
Formular la Propuesta metodolgica de Trabajo para desarrollar el Modelado

de ruta ms Corta, a travs del uso de modelos exactos.
Contrastar Diferentes Algoritmos Computacionales de Solucin al Problema de

ruta ms corta para determinar Eficiencia Algortmica.
22
1. MATEMATICA DISCRETA
La matemtica discreta es la parte de las Matemticas encargada del estudio de

los conjuntos discretos, es decir los finitos o infinitos numerables; estudia
estructuras cuyos elementos piden contarse individualmente, tal es el caso del
conjunto de los nmeros naturales. (Rosen, 2004) (Johnsonbaugh, 2005)
Agregando a la definicin de matemtica discreta dada anteriormente, esta trata

temas como, los arreglos formados con elementos de un conjunto finito,
sucesiones, algoritmos, lenguajes, graficas, objetos geomtricos finitos,
estructuras algebraicas y procesos infinitos dados por saltos. (Verde Star, 1995)
Dentro de los temas principales de la matemtica discreta, encontramos que se

tratan muchos subtemas, algunos de ellos son, lgica matemtica, teora de
conjuntos, disibilidad y congruencias presenta tpicos como ecuaciones
diofnticas, congruencias lineales, y funciones aritmticas , combinatorias
relaciona temtica como las funciones combinatorias, tcnicas de conteo, nmeros
binomiales y recurrencias , por ltimo se menciona uno de los grandes subtemas
de la matemtica discreta como lo es, la teora de grafos. rea de gran
importancia, tanto que de los aos 80 hacia adelant muchos autores le han
dedicado obras literarias completas al tema, es importante recordar que muchos
de los temas expuestos en la teora de grafos son aplicaciones de algoritmos.
(Garca , Lpez , & Puigjaner, 2002)
23
1.1. EL PROBLEMA DE LOS PUENTES DE KNIGSBERG
El problema de los siete Puentes de Knigsberg, es un problema matemtico

planteado en el Siglo XVIII, por el matemtico suizo Leonhard Euler, gracias a su
artculo publicado en 1736 llamado La solucin de un problema referente a la
geometra de posicin, este problema se origin en la Ciudad de Knigsberg,
actualmente Kaliningrado, Rusia. Los puentes en esa poca, conectaban las
cuatro regiones que estaban divididas por el Rio Pregel; los habitantes de esta
ciudad pasaban su tiempo libre preguntndose sobre la posibilidad de pasar por
todos los puentes, cruzando cada uno, una sola vez. Este problema da Origen a la
Teora de Grafos. (Scheinerman, 2008) (Sonego Zimmermann, 2011) (Grimaldi,
1998)
Figura 1 Mapa de Knigsberg donde se encontraban los Siete Puentes
Fuente: http://www.mat.ucm.es/catedramdeguzman/modelizaciones/proyectos
24
1.2. TEORIA DE GRAFOS
En la teora de grafos se tratan temas como, clases de grafos, arboles, planaridad,

coloracin, recorridos, teoras de grficas, algebras booleanas, diseos
combinatorios, teora de cdigos, teora de Ramsey, entre otros. (Garca , Lpez ,
& Puigjaner, 2002)
Un Grafo es una terna G= (V, A, i), donde V y A son conjuntos finitos e i es una
aplicacin, El primer elemento del grafo es denominado vrtice o nodo (V),
seguido de un segundo elemento llamado aristas o arcos (A) y por ltimo se tiene
un elemento de incidencia i, que asocia a cada arista sus extremos o vrtices. Una
caracterstica importante de los grafos es que algunos presentan bucles, un bucle
se presenta cuando cada uno de los extremos de una misma arista llega a un solo
vrtice. (Ferrando & Gregori, 2012)
Existen dos tipos de grafos los dirigidos y los no dirigidos. Los dirigidos tambin
llamados dgrafos, son los que tienen un arco con una direccin predeterminada y
tiene un vrtice de origen y un vrtice de destino, como una carretera con un solo
sentido, cuando un dgrafo presenta mltiples aristas o aristas paralelas se
denomina Multgrafo. Los grafos no dirigidos o grafos bidireccionales, como su
nombre lo indica son grafos en los cuales una arista tiene dos direcciones es decir
que puede ir del nodo 1 al nodo 2 y del nodo 2 al nodo 1. (Prez Aguila, 2013)
25
Figura 2 Ejemplo de un Dgrafo
Figura 3 Ejemplo de un grafo no dirigido o bidireccional
Un grafo es una representacin en forma de red de un conjunto de objetos, cosas,

organismos, entre otros de la vida real como: mallas viales, redes informticas,
redes sociales, conjunto de procesos, entre otras. (Restrepo C & Snchez C,
2004) (Marques Soares, 2010)
Como un grafo es una representacin en forma de red (Taha, 2012). Una red
consiste en una serie de nodos enlazados con arcos (o ramas). La notacin para
describir una red es (N, A). Donde N es el conjunto de nodos y A es el conjunto de
arcos. (Prawda, 2004) (Grimaldi, 1998)
26
2. ALGORITMOS
Para dar una definicin sencilla y clara, un algoritmo es una serie o una secuencia
finita de pasos estructurados y ordenados los cuales precisan la manera de llevar
a cabo una tarea o actividad, La palabra algoritmo surgi en el siglo IX d, D.,
gracias al matemtico persa al-Khwarizmi, quien desarrollo mltiples algoritmos
para resolver ecuaciones lineales y cuadrticas, lo cual dio origen al algebra.
(Moreno & Ramrez, 2011)
Desde un enfoque computacional, un algoritmo es un procedimiento totalmente

estructurado y definido, que contiene valores de entrada, e instrucciones
organizadas secuencialmente, para generar valores de salida, en un tiempo
especfico, permitiendo dar solucin a un problema. (Saavedra Gutierrez, 2007)
2.1. ALGORITMOS MATEMATICOS PARA LA SOLUCIN DE REDES
En seguida se presentan algunos algoritmos que pueden ser utilizados para la

solucin de redes (grafos), con ello lograremos una mejor identificacin y
comprensin de cada uno de ellos.
27
Tabla 1 Algoritmos para la solucin de redes
rbol de expansin mnima
En este algoritmo la red est conectada por todos los nodos del grafo mediante los
arcos, ya sea de forma directa o indirecta, es esencial que la longitud de las ramas
conectadas sea minina. En el rbol de expansin mnima no estn permitidos los
ciclos, ni los bucles. El presente algoritmo busca o tiene como finalidad encontrar las
ramas ms econmicas del sistema con el fin de encontrar la distancia mnima a
recorrer, construir, disear, etc. (Taha, 2012)
Algoritmo de la ruta ms corta
La principal caracterstica de la ruta ms corta es que tiene un nodo fuente, un nodo

destino, como en una red de transporte, donde partimos de un punto origen y
necesariamente llegamos a un fin que sera el nodo destino. En este algoritmo se
pueden resolver redes cclicas y a cclicas, de ah su importancia. Su objetivo principal
es encontrar las distancias ms cortas de los arcos que comunican a los nodos de la
red, lo anterior principalmente para la movilidad. (Taha, 2012)
Algoritmo del flujo capacitado con costo mnimo.
La solucin de este algoritmo en muy eficiente ya que toma en cuenta las capacidades
limitadas de los arcos, considera el costo y distancia del arco, una caracterstica
importante de este modelo es que se puede tomar varios orgenes y destinos con el fin
de que la ganancia total sea la mxima, como en las empresas de mensajera. (Taha,
2012)
28
Tabla 2 Algoritmos para la solucin de redes
Algoritmo del Flujo Mximo
Es caracterstica de el algoritmo flujo mximo que la red este segmentada, tenga

distancias intermedias apropiadas, presente un nodo fuente y uno destino. En los
arcos de este algoritmo la capacidad juega un papel muy importante y es determinada
por la direccin (un direccionados; bi-direccionados) de los arcos, si el arco va de
acuerdo a la direccin tendr capacidad finita, si va en la direccin contraria tendr
capacidad infinita. Cabe mencionar un aspecto muy importante, a menor capacidad
mayor es el flujo en la red. El principal objetivo del algoritmo del flujo mximo es
determinar las rutas de interrupcin que tengan un flujo total positivo entre el origen y el
destino, como por ejemplo la interrupcin del flujo de agua en el sistema de acueducto
de una ciudad. (Taha, 2012)
Algoritmo de la ruta critica
Tambin llamado camino crtico, en este algoritmo son fundamentales dos mtodos; el
CPM (Mtodo de la ruta crtica o del camino crtico, Critical Path Method) y PERT
(Tcnica de evaluacin y revisin de programa, program evaluation and review
technique). Estos algoritmos son fundamentales para la realizacin de proyectos ya que
ayudan a planificar, programar las actividades (nodos) - consumen tiempo y recursos -,
las interacciones (arcos), para este algoritmo es necesario tener en cuenta las
relaciones de las precedencias y sus tiempos. (Palacios Morales, 2010)
Mtodo simplex de Redes
El mtodo simplex de redes es una versin muy simplificada del mtodo simplex para
resolver problemas del flujo de costo mnimo. Como tal, realiza los mismos pasos
bsicos en cada iteracin encontrar la variable bsica entrante, determinar la variable
bsica que sale y obtener la nueva solucin BF- a fin de mover la solucin BF actual a
una adyacente mejor. Sin embargo, ejecuta estos pasos en una forma de explota la
estructura especial de la red del problema sin necesidad alguna de la tabla simplex.
(Hillier & Liberman, 2010)
29
2.2. CAMINO MINIMO
Toda red de comunicaciones contiene un conglomerado de nodos (pueblos,

municipios, etc.) interrelacionado por medio de arcos (carreteras, vas) por medio
de los cuales se desplazan elementos de un punto a otro. Generalmente para
establecer el camino o la trayectoria, de dichos elementos es la formulacin de la
Ruta ms corta, donde cada arco tiene un nmero que representa su longitud, y el
objetivo es determinar la el camino ms corto dado entre el nodo inicial y el nodo
final. (Alonso Revenga, 2008) (Divoky & Hung, 1990) (Nazemi & Omidi, 2012)
2.2.1. Ruta ms corta.

El modelo de Ruta ms corta consiste en una red donde cada arco (i,j), posee un
cij, que representa la distancia (diferente de cero) que existe del nodo i al nodo j.
(Eppen, 2000). En resumen el Problema de la Ruta ms corta est dado entre un
punto origen y un punto destino (Taha, 2012) (Nagih & Soumis, 2005)
La forma general de desarrollar el Algoritmo de la Ruta ms corta es primero

encontrar el n-simo nodo ms cercano al origen, y hacer esto repetitivamente
hasta que se llegue al nodo destino; luego de haber realizado todas las
interacciones, se debe registrar los datos de la distancia, en la trayectoria dada
desde el nodo origen hasta el nodo destino (Izar Landieta, 1996) (Zhan, 1997)
30
Desde la investigacin de Operaciones se puede dar solucin a muchos
problemas de la ruta ms corta, calculando el camino ms corto entre dos vrtices
de un grfico. Este problema es comn en aplicaciones de enrutamiento, que se
desarrolla usando algoritmos. (Philpott, 1994)
Los variados mtodos para calcular la ruta ms corta, generalmente conducen a

procedimientos computarizados, donde la red de interacciones y los datos de los
nodos puedan registrarse en una base de datos (Ballou, 2004) (Paredes Belmar &
Obreque, 2009)
Para encontrar los caminos ms cortos entre los nodos origen-destino en una red,
despus de haberla dividido en dos o ms regiones, se puede desarrollar tambin
entre nodos de Lmite, es decir, un nodo que est en una regin ubicado con otro
que se encuentra en una regin diferente. (Lansdowne & Robinson, 1982) (Garrido
& Onainda, 1999)
La ruta ms corta responde al siguiente modelo en red:
Figura 4 Ejemplo de Ruta ms Corta
31
2.2.1.1. Algoritmos para la solucin de ruta ms corta
A continuacin se presentan algunos algoritmos que pueden ser utilizados para la
solucin del algoritmo de la ruta ms Corta, con el propsito de hacer una
identificacin clara y precisa de cada uno de ellos, lo que nos permita escoger el
ms adecuado.
Tabla 3 Algoritmos para la solucin de la ruta ms corta
Algoritmo de Dijkstra (Camino Mnimo)
Este algoritmo tiene por objetivo calcular la ruta ms corta entre un nodo origen y los
dems nodos del grafo, est basado en el estado del enlace (arco) el cual est definido
por un nmero (longitud del arco), este valor debe ser inversamente proporcional a la
capacidad del enlace -los arcos pueden ser bi-direccionados (Gil Vzquez, Candelas, &
Pomares, 2010). Una caracterstica de este algoritmo es que se utilizan etiquetas para
definir los nodos. (Taha, 2012)
Algoritmo de Floyd-Warshall
Este algoritmo establece la ruta ms corta entre dos nodos cualesquiera de la red
(grafo). Es de vital importancia mencionar que este algoritmo representa al grafo como
una matriz cuadrada con n renglones y n columnas, la distancia del arco esta expresada
con dij del nodo i al nodo j. El arco es finito cuando i est conectada directamente con j,
es infinito cuando es inverso. (Taha, 2012)
Transbordo
El problema de la ruta ms corta puede ser formulado como un problema de transporte

al tener un nodo inicial (i) y un nodo final (j). El objetivo es minimizar el costo de enviar
una unidad del nodo i al nodo j, los dems nodos de la red son nodos de transbordo y el
costo de enviar una unidad es la longitud del arco si esta existe, si no se le asigna el
valor de M que es un valor positivo muy grande. (Winston , 2006)
32
Tabla 4 Algoritmos para la solucin de la ruta ms corta
Algoritmo de Bellman Ford

Este algoritmo recibe varios nombres como: enrutamiento por vector distancia,
algoritmo de Bellman Ford distribuido y algoritmo de Ford Fulkerson, estos dos
ltimos nombres en honor a los investigadores que desarrollaron el algoritmo. Este es
un algoritmo dinmico que toma en cuenta la carga actual de la red y determina el
camino ms corto o el camino ms largo del grafo entre dos puntos (nodo inicial nodo
final), los vectores (arcos) de la red pueden usar distintas mtricas como distancia,
tiempo, saltos, entre otros. (Tanenbaum, 2003), (Soret los Santos, 2004).
Programacin Lineal
El modelo de programacin lineal puede ser utilizado para resolver problemas de ruta
ms corta entre dos nodos de una red, el modelo programacin lineal es equivalente al
algoritmo de Floyd. (Taha, 2012). Algunos Problemas de Programacin Lineal pueden
ser planteados usando redes (Alonso Revenga, 2008).
Funcin Objetivo: Minimizar Los modelos de Programacin Lineal, busca

optimizar la Funcin Objetivo, que est sujeta a restricciones sobre las variables de
decisin.
Sujeto a: ={
A groso modo la programacin lineal es una tcnica que sirve fundamentalmente para
resolver problemas de asignacin de recursos (Arreola Risa & Arreola Risa, 2003). El
modelo de Programacin Lineal en forma general responde a la siguiente estructura: n
es el nmero de variables y m es el nmero de restricciones (Soler Fajardo, Rojas
Corts, & Molina Focazzio, 2004).
33
2.2.1.2. Hardwares comerciales para trabajar grafos
Posteriormente se muestran algunos Hardware (maquinas) que pueden ser
usados para trabajar grafos, con el fin de dar solucin a los mismos, como el grafo
de una red vial:
Tabla 5 Hardware para trabajar grafos
AMPL111
(Algebraic Mathematical Programming Language) Lenguaje de modelado algebraico
para problemas de optimizacin lineal y no lineal, en variables discretas o continuas.
(Bell Laboratories, 2013)
MPL
(Mathematical Programming Language) Sistema de modelado avanzado que permite al
desarrollador un modelo para formular modelos de optimizacin complejos de una
manera clara, concisa y eficaz. (Maximal Software, 2013)
AIMMS
Un lenguaje de modelado con estructuras de datos indexados que se combina con
conceptos de modelado y de resolucin avanzados, como la generacin de columnas y
la programacin estocstica. (AIMMS, 2013)
Xpress-IVE
Xpress-IVE es un desarrollador de entorno visual para escribir, compilar y gestionar
modelos matemticos. (FICO, 2013)
GAMS
GAMS (General Algebraic Modeling System) es un Lenguaje de Programacin
Matemtica que permite modelar, analizar y generar la resolucin de diferentes
Problemas. (Marn Alberdi, 2000)
34
El hardware que se utilizara para resolver el problema de la ruta ms corta en el
departamento de Cundinamarca es Gams, esto por disposicin del grupo de
investigacin de la Universidad Militar Nueva Granada.
3. LENGUAJE DE PROGRAMACIN
El lenguaje de Programacin es un lenguaje que sirve para controlar el

comportamiento de una mquina. Est conformado por un conjunto de
condiciones semnticas y sintcticas que permiten definir su estructura y
presentan un significado de sus elementos, respectivamente. (Saavedra Gutierrez,
2007). El lenguaje de Programacin describe acciones consecutivas que
determinada a la mquina que debe efectuar, por lo cual es fcil de comprender, al
permitir mayor adaptacin para ejecutar en diferentes tipos de equipos. (Kioskea,
2013)
3.1. MODELO DE PROGRAMACIN
Un modelo de Programacin determina los mtodos en la construccin de un

Programa. La programacin tiene como propsito obtener algoritmos que
resuelvan problema con eficiencia. (Saavedra Gutierrez, 2007)
35
3.1.1. Modelo imperativo.
El modelo Imperativo utiliza la secuencia de comandos o instrucciones para
generar el estado de un programa, lo cual define el cdigo de la mquina.
(Saavedra Gutierrez, 2007)
3.2. PROGRAMACIN ESTRUCTURADA
Los procedimientos y funciones constituyen la Programacin, estos pueden o no

comunicarse entre ellos. Los procedimientos y funciones forman una secuencia,
que se seleccionan e interaccionan, permitiendo reutilizar el cdigo establecido
para mejorar la comprensin de la programacin. (Sierra, 2010)
3.3. COMPUTABILIDAD
La teora de la Computabilidad est fundamentada en los modelos que provienen

del clculo, las tcnicas de la Ingeniera para el diseo y desarrollo de Algoritmos.
La Teora de la Computacin est conformada por La complejidad computacional;
analiza los recursos necesarios para dar solucin a los problemas, y as
determinar la cantidad de los mismos. Los problemas que tienen una solucin con
36
orden de complejidad lineal son los problemas que se resuelven en un tiempo
equivalente a su tamao. (Cortez, 2004)
3.4. COMPLEJIDAD COMPUTACIONAL
La complejidad Computacional estudia la Eficiencia de los Algoritmos, para ello

establece el tiempo de corrida, permitiendo conocer su viabilidad en su
implementacin, adems provee herramientas para catalogar la dificultad de un
determinado problema, y de esta manera, definir un algoritmo eficiente para su
solucin. (Cortez, 2004)
3.5. EFICIENCIA ALGORITMICA
Un propsito general en el diseo y desarrollo de un programa es consumir

recurso en la cantidad mnima posible, y generando un alto aprovechamiento de
los mismos. El anlisis asinttico de un algoritmo permite definir la eficiencia del
mismo, al realizarse un anlisis fundamentado en el tiempo de corrida, teniendo en
cuenta el tamao de los datos de entrada. La eficiencia de un algoritmo se mide
segn la cantidad de recursos necesarios para su ejecucin, generalmente con el
fin, de contrastarlas con otros resultados generados. (Balczar, 2012) (Abad
Soriano, 2010)
37
3.5.1. Medida de la eficiencia algortmica.
Para comparar y analizar la Eficiencia de los Algoritmos, estos deben estar
establecidos en un lenguaje de Programacin, una unidad de medida es el nmero
de instrucciones que tiene el programa, sin embargo, esto determinara que el
algoritmo ms eficiente es aquel que tarde el menor tiempo en resolver un
problema en determinada mquina, por ello, se debe tener un tipo de datos, que
permita emplear los mtodos acertados para la realizacin de las operaciones
entre ellos. El objetivo general de la Eficiencia Algortmica es reducir el nmero de
instrucciones, y seleccionar aquellas que realmente se requieren para procesarse.
(Abad Soriano, 2010) Lo anterior refiere, a que la metida del tiempo est
directamente relacionada con la ejecucin de cada instruccin.
3.6. SOLVERS PARA MEDIR EFICIENCIA ALGORITMICA DE LA RUTA MS

CORTA
Enseguida mostraremos algunos de los solvers que posee el hardware (maquina)

Gams para la resolucin de problemas de programacin lineal, entera y mixta.
Puesto que algunos de ellos son seleccionados posteriormente con el fin de
proseguir con el presente trabajo.
38
Tabla 6 Solvers para resolver problemas de programacin lineal, entera y
mixta.
Alpha-CP
Es un solucionador MINLP (programacin no lineal entera mixta) basado en el mtodo
de plano de corte extendido (ECP). El solucionador puede aplicarse a problemas MINLP
generales y soluciones ptimas globales puede garantizarse para problemas MINLP.
BARON
BARON (Branch-And-Reduce Optimization Navigator) Es un solver de GAMS para la
solucin global de PNL y MINLP BARON implementa algoritmos deterministas de
optimizacin global del tipo branch-and-bound que estn garantizados para
proporcionar ptimos globales bajo supuestos bastante generales. Estas incluyen la
disponibilidad de los lmites inferior y superior finitos sobre las variables y sus
expresiones en la PNL o MINLP a ser resuelto.
DICOPT
Es un programa para resolver (MINLP) problemas de programacin lineal entera mixta
que involucran binario lineal o variables enteras y las variables continuas lineales y no
lineales, estas han alcanzado la fase de madurez y fiabilidad como el modelado de
programacin lineal, entera o no lineal, estos problemas tienen una amplia rea de
aplicaciones. El algoritmo MINLP dentro DICOPT resuelve una serie de la PNL y MIP.
Estas sub -problemas se pueden resolver utilizando cualquier PNL (Programacin no
lineal ) o MIP (Programacin entera mixta ) resuelve que se ejecuta en GAMS
BDMLP
Es un solucionador de MIP y LP que viene gratis con cualquier sistema GAMS. Est
dirigido a pequeas y medianos modelos.
Fuente: (Rosenthal, 2013)
39
Tabla 7 Solvers para resolver problemas de programacin lineal, entera y
mixta.
LGO
El Optimizer Global Lipschitz - continua (LGO) sirve para el anlisis y la solucin global
de la programacin lineal en general (PNL) modelos. El sistema resuelve LGO se ha
desarrollado y extendido progresivamente desde hace ms de una dcada y ahora
incorpora un conjunto de solucionadores lineales globales y locales slidas y eficientes.
Tambin puede manejar modelos PT pequeos. GAMS / LGO integra los siguientes
algoritmos de alcance mundial
El enfoque general de la solucin seguida por GAMS / LGO est basado en la
combinacin perfecta de la bsqueda global y local estrategias. Esto permite una amplia
gama de operaciones. En particular, un enfoque suite de solucionador apoya el uso
flexible de los solucionadores de componentes: uno puede ejecutar completamente
automtica (bsqueda global y / o local basado en ) la optimizacin , y pueden disear
personalizado carreras interactivos .
LINDO
Garantiza soluciones globalmente ptimas a problemas no lineales generales con la
continua y / o discretas variables. LINDO soporta funciones ms matemticos como
Solucionadores de mtodos no lineales como la programacin lineal sucesiva
empleando (SLP) o el gradiente reducido generalizado (GRG) devolver una solucin
ptima local a un problema de PNL.
SCIP
Solucin de programas enteros de restriccin, es un marco para Programacin Entera
con restricciones orientado hacia las necesidades de Programacin Matemtica.
Tambin se puede utilizar como una MIP puro o solucionador de MINLP o como un
marco para la rama de branch-cut-and-price. Dentro de GAMS, el MIP y Instalaciones
para resolver MINLP de SCIP estn disponibles.
Fuente: (Rosenthal, 2013)
40
Por cuestiones de la licencia de Gams, los solvers utilizados para este trabajo
fueron BDMLP, SOPLEX y CBC, debido a que tienen licencia completa, por esta
misma razn Gams tiene restringida informacin sobre el solver de BDMLP y no
ofrece informacin alguna los software SOPLEX y CBC.
4. SISTEMAS DE INFORMACIN GEOGRAFICA
Existe una Alternativa para encontrar solucin al problema de la ruta con menor
distancia desde un punto origen a un punto destino, en las grandes ciudades,
permitiendo reducir la distancia que recorre un auto en una carretera, utilizando
teora de Grafos y sistemas de Informacin Geogrfica. (Toledo Lpez & Montiel
Prez, 2004) (Moreno Navarro, 2007)
Se puede establecer un sistema de rutas de mnima distancia utilizando el

Algoritmo de Dijkstra, estableciendo como base un mapa carretero de la Ciudad
de Mxico, desarrollado, a partir de sistemas de Informacin Geogrfica y
procesamientos de Video. (Montiel Prez, Serrano Talamantes, & Lpez Bonilla,
2006) (Montiel Perz, Romero Herrera, & Lopez Bonilla, 2001)
41
4.1. SISTEMA ASTRA
Segn el Contrato realizado por el Seor Ciro Alberto Pabn y FONDECUN

(Fondo de Desarrollo de Proyectos de Cundinamarca), donde se tiene como
Objetivo la asesora a la Secretaria de Transporte y Movilidad de Cundinamarca,
al traslado del Sistema ASTRA, que posee la Gobernacin de Cundinamarca
antes de la ejecucin del contrato nombrado (Pabn, 2010).
El Sistema ASTRA, est conformado de la siguiente manera:
Cmara Fotogrfica: Utilizada para tomar fotos en las carreteras.
Distanci metro DM6E: Sirve para medir las distancias de las vas.
Teclados: Son elementos que permiten registrar datos tomados durante

el recorrido.
Computadores (2): Un Computador sirve como receptor de la

informacin captada por la cmara y el distanci metro, tambin es
utilizado para registrar los datos a travs de los teclados, adems de dar
potencia a la cmara; el otro computador recibe la informacin que es
trasmitida por el GPS, respecto a su posicionamiento.
Sistema Elctrico de Alimentacin de los componentes y el Sistema de

Conexin de las seales de los Aparatos utilizados.
42
Figura 5 Esquema del Sistema ASTRA
Fuente: Mapa Vial de Cundinamarca
Los elementos del Sistema permiten almacenar en los Computadores, la posicin

del Vehculo Usando GPS, las fotografas tomadas por la cmara cada 10 metros
de acuerdo con el distanci metro, generar el inventario visual de la carretera, con
toda la informacin recogida se gener un mapa que contena el trazado del
recorrido del vehculo y los elementos de inventario registrados.
43
Figura 6 Sistema ASTRA instalado
Fuente: Informe 20110302 Ciro Pabn
La diferencia entre el Trazado realizado con el Sistema ASTRA (Color azul

oscuro), y el mapa producido por el Instituto Geogrfico Agustn Codazzi (Color
azul claro), refleja la inexactitud que posee el mapa trazado por el IGAC; se podra
deducir que se debe a que el dibujante que trazo el eje de la va en la Cartografa,
pudo cambiar del trazado de la va principal a una va secundaria, tal vez porque la
va se encontr en malas condiciones.
44
Figura 7 Diferencia entre el Sistema ASTRA y el IGAC
Fuente: Google Earth 2011
El mapa utilizado para establecer la Red, que es la base, para el desarrollo de

este trabajo es el resultado del contrato entre FONDECUN y el Seor Ciro Pabn,
pues este mapa genera mayor confiabilidad. El Sistema ASTRA presenta
reduccin de error en el trazado del mapa vial de Cundinamarca, porque cada eje
45
se revis individualmente, y esto se puede demostrar al compararlo con la imagen
satelital.
5. METODOLOGA
5.1. INVESTIGACIN
La Investigacin Cientfica es el Fundamento de las Ciencias, pues est estudia la

Realidad, es decir, la Analiza, sobre esta se frmula la hiptesis para proponer
nuevas Teoras, con el fin de evidenciar terica y experimentalmente, con el fin de
realizar una mejor interpretacin del contexto. Toda investigacin recopila
conocimientos y los organiza, cumpliendo con ciertas caractersticas tales como:
Emprica (Los datos cualitativos y cuantitativos deben ser extrados durante el
proceso de Investigacin), Sistemtica (Proceso Controlado que analiza
informacin para cumplir con un objetivo), Fiable (Los mtodos, condiciones y
resultados deben poder replicarse), Valida (Exactitud en la interpretacin de los
Resultados y en la Generacin de las Conclusiones), y Objetiva (Realiza pruebas
para garantizar el Control de los datos y los procedimientos empleados) (Cegarra
Snchez, 2004) (Tamayo y Tamayo, 2004) (Hernandez Sampieri, Fernndez
Collado, & Baptista Lucio, 1991).
46
5.1.1. Conocimiento.
El conocimiento es un proceso que manifiesta la percepcin de la realidad, y
genera un resultado tales como conceptos o representaciones. (Molina, 2007)
5.1.2. Ciencia.
La Ciencia es una conglomeracin de Conocimientos, los cuales deben establecer
descripciones Objetivas, fundamentadas en aspectos verificables de la Realidad, y
se presentan de forma sistemtica y metodolgica. (Arias F. G., 2006)
5.2. INVESTIGACIN APLICADA
La Ciencia Aplicada es aquella que trata de aplicar la ciencia bsica para mejorar
o implementar una solucin a determinado problema, para ello realiza
investigaciones cientficas (Gutirrez Aranzeta, 2005). La Investigacin Aplicada
parte de los avances y descubrimientos que genera la Investigacin Pura, est se
interesa en ponerlos en prctica, llevarlos a la realidad y as generar una continua
modificacin, innovacin y continua mejora en su ejecucin (Toro Jaramillo &
Parra Ramrez, 1986) (Arias, y otros, 1987)
47
5.3. METODO CIENTIFICO
El mtodo cientfico es un procedimiento de investigacin que facilita la generacin

del conocimiento en el desarrollo de las ciencias experimentales,
fundamentndose en el empirismo y en la medicin, resultados de las pruebas
realizadas a lo largo de la Investigacin. (Gutierrez Riveros, Beltran Urrego, &
Mendoza Pardo, 1983) (Salkind, 1999)
5.3.1. Observacin.
Indagar un objeto, fenmeno o factor, a travs de la aplicacin de los sentidos,
para interpretar la realidad, utilizando la Medicin para la Obtencin de Datos.
5.3.2. Induccin.
Establecer los principios que pueden plantearse despus de observaciones o
experiencias con el fenmeno observado. Para ello se registran exactamente lo
que vemos, con las medidas que se hayan podido realizar, para luego clasificar
estos fenmenos observados.
5.3.3. Hiptesis.
Plantear una suposicin y/o interrogante respecto a la Observacin, tomando en
cuenta la informacin extrada de la revisin bibliogrfica hecha con anterioridad,
para proponer una conjetura con fundamento.
48
5.3.4. Comprobacin de la hiptesis.
Realizar tipos de Experimentacin para verificar la Viabilidad de la Hiptesis,
empleando aparatos de Medida.
5.3.5. Demostracin de la hiptesis.

Se debe confirmar o Refutar (Anti-tesis) la Hiptesis, despus de los resultados
que arroja la Comprobacin.
5.3.6. Tesis.
Se debe concluir y llegar a la Teora Cientfica, esta se valida explicando todos los
hechos conocidos durante el proceso del mtodo.
5.4. DESARROLLO DEL MODELO CONCEPTUAL
Este es el proceso que se tom con base en el Mtodo Cientfico (Bravo, 1997), el
cual es adaptado al problema de investigacin (ruta ms corta) que estamos
trabajando.
49
Tabla 8 Proceso del mtodo cientfico
ETAPA DESCRIPCIN
Planeacin y Diseo Se debe establecer una estrategia General para el
Desarrollo del Proyecto.
Se debe hacer una revisin bibliogrfica, para obtener la
Recoleccin y Consulta mayor cantidad de informacin relevante para el Desarrollo
Terico del Modelado.
Se deben hacer pruebas pilotos y correr el Algoritmo varias

Validacin y Ajustes
veces para establecer si es necesario o no realizar
modificaciones para una adecuado ejecucin.
Se debe registrar la Informacin obtenida en las Corridas

Consolidacin y Tabulacin
del Algoritmo.
Se debe analizar los factores o variables involucradas en el
desarrollo de las Corridas para establecer la conexin entre
Anlisis e Interpretacin
estas, y generar una adecuada y acertada interpretacin de
los Resultados.
Se deben exponer los resultados obtenidos durante el

Presentacin de Resultados
Desarrollo del Proyecto, definiendo la Eficiencia
algortmica, para que esta sea base de futuros Proyectos.
6. DESARROLLO EXPERIMENTAL
En el presente capitulo veremos el desarrollo experimental a travs del mtodo

cientfico explicado y adaptado paso a paso para la resolucin del problema de la
ruta ms corta en el departamento de Cundinamarca,
50
Tabla 9 Etapas del proceso de investigacin
ETAPA 1: Determinacin de la red de comunicaciones y transporte terrestre entre los

municipios de Cundinamarca.
Actividad 1: Recopilar informacin de Actividad 2: Establecer las rutas de
fuentes primarias y secundarias, utilizando transporte terrestre que conectan los
la informacin estadstica acadmicas, municipios anteriormente seleccionados,
gubernamentales o privadas que han determinando las Distancias de las
realizado estudios al respecto, para Carreteras.
desarrollo el marco conceptual y
metodolgico del Proyecto.
ETAPA 2: Seleccin de tcnica matemtica.
Actividad 1: Realizar revisin de las Actividad 2: Examinar algoritmos de
tcnicas disponibles para la solucin del programacin para el desarrollo de las
problema de la ruta ms corta analizando aplicaciones requeridas para el
sus ventajas, desventajas y adaptabilidad procesamiento de la informacin, o de lo
al problema formulado a partir de la contrario iniciar con una fase de desarrollo
utilizacin de fuentes secundarias de algoritmos propios sobre medida para la
provenientes de productos de investigacin solucin del problema propuesto.
en temticas similares.
Etapa 3: Formulacin y elaboracin del modelado matemtico e informtico.
Actividad 1: Realizar un modelo informtico Actividad 2: Aplicar el control que permita
de solucin a medida, empleando la la medicin del tiempo de ejecucin del
tcnica matemtica que indique la ruta a algoritmo y el nmero de rutas
seguir entre dos municipios de la regin de identificadas, con la cual se tendr
Cundinamarca, mediante la utilizacin de evidencia de los resultados
algoritmos. computacionales.
Etapa 4: Contraste de los resultados en la corrida del Algoritmo por los Solvers
Seleccionados.
Actividad 1: Interpretar los resultados obtenidos en eficiencia algortmica (tiempo de
ejecucin algortmica y nmero de rutas identificadas), mediante el anlisis numrico
para este tipo de problemas.
51
6.1. APLICACIN DE LA METODOLOGIA
Se utilizan algoritmos de bsqueda por vecindad, en el departamento de

Cundinamarca, aplicando tcnicas de flujo de redes, con las siguientes
condiciones (Ahuja, Ergum, Orlin, & Punnen, 1999):
Un grafo de vecindad definido con respecto a una instancia de problema

especfica. Se utiliza un grafo dirigido con un nodo para cada solucin
factible o una instancia de una estructura de referencia no factible, y que
consta de un arco.
Un mtodo que permita determinar cul es el siguiente nodo del grafo de

vecindad que se elegir en la bsqueda del paso anterior. Nos referiremos
a este nodo como solucin bsica.
A continuacin se presenta los nodos seleccionados, tomando las provincias del

departamento como referencias de vecindad. Los nodos que se escogern se
encuentran dentro de la capital de la provincia.
52
Tabla 10 Nodos seleccionados
CAPITAL DE NMERO DE NODO

ORDEN PROVINCIAS
PROVINCIA MUNICIPIOS SELECCIONADO
1 Medina Medina 2 Gazaduje
2 Guavio Gacheta 8 El Cruce
3 Oriente Caqueza 10 Alto de la Estrella
4 BOGOT Carrera 7.
5 Soacha Soacha 2 Chusaca
6 Sumapaz Fusagasug 10 La Portada
7 Tequendama La Mesa 10 La Esperanza
8 Alto Magdalena Girardot 8 Girardot (Calle 19)
Magdalena San Juan Rio

9 7 La Rioja
Centro seco
10 Bajo Magdalena Guaduas 3 Puerto Bogot
11 Rionegro Pacho 8 Pasuncha
12 Gualiva Villeta 12 Bagazal
Sabana
13 Facatativ 8 Crdoba
Occidente
14 Sabana Centro Zipaquir 11 Puente Lata
15 Ubat Ubat 10 Cerro Milena

Unin Vas
16 Almeidas Choconta 7
Nacionales
53
6.1.1. Cdigo programado en Gams
En este apartado presentaremos el cdigo programado y utilizado para su
posterior corrida en Gams, este cdigo nos permite extraer de las bases de Excel
los datos requeridos, para la solucin de la ruta ms corta, en este caso en
Cundinamarca.
sets /;
i subindice que indica los origenes display j;
/ table
$call=xls2gms r=c4:c76 i=origenes.xlsx d(i,j) Distancia entre el origen tipo i y el

o=orig.inc destino tipo j
$include orig.inc $call =xls2gms r=C3:bx76

i=distancias.xlsx o=dist.inc
$gdxin
$include dist.inc
/;
$gdxin
display i;
;
sets
Parameters
j subindice que indica los destinos
Orig(j) Indica el origen tipo i de la ruta
/
mas corta (el cero indica cual es el nodo
$call=xls2gms r=c4:c76 i=destinos.xlsx inicial)
o=dest.inc
/
$include dest.inc
$call=xls2gms r=c4:d76 i=origenes.xlsx
$gdxin o=orig1.inc
54
$include rig1.inc Origen(j) Muestra la suma de los
tramos para los nodos de origen (inicial y
$gdxin
de tranferencia)
/;
Destino(i) Muestra la suma de los
Parameters tramos para los nodos de destino (inicial
y de tranferencia);
Dest(i) Indica el destino tipo j de la ruta
mas corta (el cero indica cual es el nodo
inicial)
Objetivo.. F=e=sum((i,j),d(i,j)*X(i,j));
/
Origen(j).. sum(i,X(i,j))=E=Orig(j);
$call=xls2gms r=c4:d76 i=destinos.xlsx
Destino(i).. sum(j,X(i,j))=E=Dest(i);
o=dest1.inc
$include dest1.inc
* 1 opcion: muestra que tipo de solver
$gdxin
ejecuta:
/;
option lp=CBC
positive Variable
* 2 opcion: numero maximo limite de
X(i,j) Cantidad a transportar entre el iteraciones:
origen tipo i y el destino tipo j caso
option iterlim=1000000
continuo (lineal);
* 3 opcion: numero maximo de recursos
(Binary);
del sistema
Free variable
option reslim=1000000
F Funcion Objetivo Distancia total de la
* 4 - 5 opciones: suprimen las
ruta mas corta del problema;
ecuaciones del informe de resultados.
Equations
option limcol=0
Objetivo Valor de la funcion objetivo
option limrow=0
minima distancia para la ruta
55
* 6 opcion: Muestra el numero de display x.L;
decimales en la respuesta de salida
option decimals=1
execute_unload
'Matriz_CND_Resultado.gdx' , X;
model ruta_mas_corta /ALL/ execute 'gdxxrw.exe

Matriz_CND_Resultado.gdx var=x'
solve ruta_mas_corta using lp
minimizing F;
6.1.2. Procedimiento
Despus de tomar el plano de Cundinamarca como un grafo direccionado, se

utilizaron tres metodologas para comprobar la Eficiencia Algortmica para correr el
Algoritmo, estas fueron:
Ruta Variable Cantidad de Nodos Fija
Ruta Fija Variacin en Cantidad de Nodos
Ruta Variable Variacin Cantidad de Nodos
56
6.1.2.1. Primera metodologa
En donde la Ruta es Variable y la Cantidad de Nodos es Constante.
Tabla 11 Metodologa uno, Ruta variable - Nodos Constantes
Ruta Cantidad de Nodos Tiempo
Gazaduje El Cruce 791 Nodos 9.188 Segundos
Gazaduje Alto de la Estrella 791 Nodos 10.749 Segundos
Gazaduje Carrera Sptima 791 Nodos 10.093 Segundos
Gazaduje Chusaca 791 Nodos 10.093 Segundos
Gazaduje La Portada 791 Nodos 9.127 Segundos
Gazaduje La Esperanza 791 Nodos 9.236 Segundos
Gazaduje Girardot (Calle 19) 791 Nodos 10.218 Segundos
Gazaduje La Rioja 791 Nodos 9.984 Segundos
Gazaduje Puerto Bogot 791 Nodos 9.719 Segundos
Gazaduje Pasuncha 791 Nodos 9.719 Segundos
Gazaduje Bagazal 791 Nodos 9.719 Segundos
Gazaduje Crdoba 791 Nodos 9.110 Segundos
Gazaduje Puente Lata 791 Nodos 9.110 Segundos
Gazaduje Cerro Milena 791 Nodos 9.813 Segundos
Gazaduje Unin Vas Nacionales 791 Nodos 9.813 Segundos
Nota: Solver Utilizado: SOPLEX; Capacidad Requerida: 78 MB

57
RUTA VARIABLE - CANTIDAD DE NODOS FIJA
11,000
Tiempo en Segundos 10,800
10,600
10,400
10,200
10,000
9,800
9,600
9,400
9,200
9,000
Rutas
Grfica 1 Resultado del empleo de la primera metodologa, donde la ruta es

variable y la cantidad de nodos es constante.
En esta grafica se puede ver el contraste entre rutas seleccionadas, cantidad de

nodos y tiempo de solucin. Para la metodologa nmero uno.
6.1.2.2. Segunda metodologa

Aqu haremos que la ruta sea fija y la Cantidad de Nodos Variables.
58
Tabla 12 Metodologa dos, Ruta fija - Nodos variables
Numero de
Cantidad de Capacidad
Ruta Fija Provincias Tiempo
Nodos Requerida
Utilizadas
Gazaduje El Cruce 2 73 Nodos 1.763 Segundos 3 Mb
Nota: Solver Utilizado: SOPLEX
59
RUTA FIJA - CANTIDAD DE NODOS VARIABLES
3,5
2,5
Tiempo en Segundos
1,5
0,5
0
0 100 200 300 400 500 600 700 800 900
Nmero de Nodos
Grfica 2 Resultado empleando la segunda metodologa, donde la ruta es fija

y la cantidad de nodos es variable.
6.1.2.3. Tercera metodologa

Utilizaremos tanto la ruta como la cantidad de nodos variables.
60
Tabla 13 Metodologa tres, Ruta variable - Nodos variables
Ruta Cantidad de Tiempo Capacidad

Nodos Requerida
Gazaduje Alto de la Estrella 120 Nodos 1,172 Segundos 3 Mb
Gazaduje Carrera Sptima 131 Nodos 2,953 Segundos 4 Mb
Gazaduje Chusaca 144 Nodos 2,922 Segundos 4 Mb
Gazaduje La Portada 219 Nodos 3,110 Segundos 6 Mb
Gazaduje La Esperanza 296 Nodos 3,360 Segundos 7 Mb
Gazaduje Girardot (Calle 19) 341 Nodos 3,501 Segundos 8 Mb
Gazaduje La Rioja 378 Nodos 3,641 Segundos 8 Mb
Gazaduje Puerto Bogot 417 Nodos 3,860 Segundos 9 Mb
Gazaduje Pasuncha 496 Nodos 4,485 Segundos 12 Mb
Gazaduje Bagazal 557 Nodos 4,876 Segundos 14 Mb
Gazaduje Crdoba 615 Nodos 5,422 Segundos 16 Mb
Gazaduje Puente Lata 698 Nodos 6,735 Segundos 19 Mb
Gazaduje Cerro Milena 761 Nodos 7,422 Segundos 22 Mb
Gazaduje Unin Vas Nacionales 8,016 Segundos 24 Mb

791 Nodos
Solver Utilizado: SOPLEX
61
RUTA VARIABLE - CANTIDAD DE NODOS VARIABLES
9
Tiempo en Segundos 8
7
6
5
4
3
2
1
0
-10 40 90 140 190 240 290 340 390 440 490 540 590 640 690 740 790
Nmero de Nodos
Grfica 3 Resultado empleando la tercera metodologa, donde la ruta y la

cantidad de nodos son variables.
7. CONTRASTE DE ALGORITMOS COMPUTACIONALES PARA LA SOLUCIN

DEL PROBLEMA DE RUTA MS CORTA
A continuacin se presenta los resultados obtenidos despus de correr el

algoritmo en los diferentes solver, con la metodologa nmero tres, utilizando la
ruta variable y cantidad de nodos variables:
Se ha seleccionado tres Solvers de GAMS: SOPLEX, CBC, y BDMLP.
62
Tabla 14 Comparacin de los resultados en las corridas de los solvers
SOPLEX CBC BDMLP

Capacidad Capacidad Capacidad
Cantidad Tiempo en Tiempo en Tiempo en
Ruta Requerida en Requerida Requerida
de Nodos Segundos Segundos Segundos
Mb en Mb en Mb
Gazaduje Alto de la Estrella 120 1,172 3 10,555 3 7,604 4
Gazaduje Carrera Sptima 131 2,953 4 10,700 4 7,394 4
Gazaduje Chusaca 144 2,922 4 10,989 4 7,480 4
Gazaduje La Portada 219 3,110 6 11,469 5 7,908 6
Gazaduje La Esperanza 296 3,360 7 12,019 6 8,814 6
Gazaduje Girardot (Calle 19) 341 3,501 8 12,523 7 8,603 7
Gazaduje La Rioja 378 3,641 8 13,098 7 8,955 7
Gazaduje Puerto Bogot 417 3,860 9 13,781 8 9,352 8
Gazaduje Pasuncha 496 4,485 12 14,322 11 9,979 11
Gazaduje Bagazal 557 4,876 14 14,956 13 10,905 13
Gazaduje Crdoba 615 5,422 16 16,268 15 10,520 14
Gazaduje Puente Lata 698 6,735 19 16,808 18 12,921 18
Gazaduje Cerro Milena 761 7,422 22 17,979 22 14,175 22
Gazaduje Unin Vas Nacionales 791 8,016 24 18,967 23 14,592 23
63
7.1. RESULTADOS CON SOLVERS EMPLEADOS
Presentacin de los resultados obtenidos en las corridas del algoritmo en Gams, a

travs de los solvers seleccionados, de acuerdo a la licencia de la mquina.
7.1.1. SOPLEX
SOPLEX
9
y = 0,2746x + 1,3311
8 R = 0,9631
7
Tiempo en Segundos
6
5
4
3
2
1
0
2 4 6 8 10 12 14 16 18 20 22 24
Capacidad Requerida (Mb)
Grfica 4 Datos obtenidos con las corridas realizadas con el solver SOPLEX
Se puede observar que el comportamiento de la grfica a travs del tiempo de

respuesta del solver (SOPLEX) es de tendencia lineal, por lo tanto este consume
menos tiempo.
64
7.1.2. CBC Y BDMLP
CBC
20
19 y = 0,4046x + 9,6684
18 R = 0,9758
Tiempo en Segundos
17
16
15
14
13
12
11
10
2 4 6 8 10 12 14 16 18 20 22 24
Grfica 5 Datos obtenidos con las corridas realizadas con el solver CBC
BDMLP
15
14 y = 0,3655x + 6,1057
R = 0,9839
13
Tiempo en Segundos
12
11
10
9
8
7
6
5
3 6 9 12 15 18 21 24
Capacidad requerida (Mb)
Grfica 6 Datos obtenidos con las corridas realizadas con el solver BDMLP
65
Los solvers CBC y BDMLP tienen muchos puntos similares en factores como la
capacidad requerida y el tiempo en segundos que se demoran en correr. Los dos
solvers tienen tendencia Lineal.
7.2. PRESENTACIN DEL CONTRASTE
A continuacin se muestra la grfica en la que se relaciona el tiempo con la

capacidad requerida para cada uno de los solvers utilizados para la solucin de la
ruta ms corta.
Tiempo de Corrida Vs. Capacidad Requerida
SOPLEX CBC BDMLP

20
18
16
Tiempo en Segundos
14
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Grfica 7 Tiempo de corrida contra capacidad requerida
66
El factor que se evala para eficiencia algortmica es el tiempo de corrida de cada
uno de los solvers, al ser muy similar la capacidad requerida, todo en funcin de la
cantidad de nodos.
Tabla 15 Medicin de la eficiencia algortmica
Tiempo (Segundos)
Nmero De Nodos SOPLEX CBC BDMLP
120 1,172 10,555 7,604
131 2,953 10,700 7,394
144 2,922 10,989 7,480
219 3,110 11,469 7,908
296 3,360 12,019 8,814
341 3,501 12,523 8,603
378 3,641 13,098 8,955
417 3,860 13,781 9,352
496 4,485 14,322 9,979
557 4,876 14,956 10,905
615 5,422 16,268 10,520
698 6,735 16,808 12,921
761 7,422 17,979 14,175
791 8,016 18,967 14,592
67
Tiempo de Corrida Vs. Cantidad de Nodos
SOPLEX CBC BDMLP
19,000
18,000
17,000
16,000
Tiempo de Corrida (Segundos)
15,000
14,000
13,000
12,000
11,000
10,000
9,000
8,000
7,000
6,000
5,000
4,000
3,000
2,000
1,000
100 200 300 400 500 600 700
Cantidad de Nodos
Grfica 8 Comparacin de los tiempos de corrida contra cantidad de nodos

de los solvers seleccionados.
Al comparar los tres solver utilizados para generar el contraste de la investigacin,

se puede establecer que los solvers que ms convienen para realizar las corridas
del algoritmo es SOPLEX Y CBC, pues el CBC en el primer intervalo muestra un
mejor comportamiento lineal, para las dems corridas el solver que se recomienda
es el SOPLEX por su tendencia lineal uniforme lo cual hace que este utilice menos
tiempo (segundos), sin embargo, en cuanto a la capacidad requerida, necesitan de
forma equivalente la misma cantidad de megabytes.
68
7.3. ECUACIN GENERADA DEL CONTRASTE
7.3.1. ECUACIN DE REGRESIN LINEAL

La ecuacin de Regresin Lineal es un mtodo matemtico que modela la relacin
entre una variable de dependiente Y, las variables independientes , . (Ross,
2007)
La siguiente ecuacin relaciona la capacidad requerida y la cantidad de nodos,

determinando el intervalo de tiempo que se necesita para correr el algoritmo, esta
depende del Solver que se utiliza en la rplica. Los tiempos que se encuentran
como resultado de las corridas en GAMS, fueron la fundamentacin para
determinar eficiencia algortmica.
Donde, Y representa el Tiempo, equivale a la Capacidad Requerida y es

igual al nmero de Nodos.
69
8. ANALISIS ECONOMICO
8.1. ELEMENTOS PROPORCIONADOS POR LA UNIVERSIDAD MILITAR

NUEVA GRANADA
En la tabla se relacionada cada uno de los elementos suministrados,

proporcionados por la Universidad Militar Nueva Granada para la realizacin del
presente proyecto de investigacin.
Tabla 16 Elementos proporcionados por la Universidad Militar Nueva

Granada
VALOR TIEMPO
DESCRIPCIN JUSTIFICACIN
ESTIMADO REQUERIDO
El computador permite la
Equipo de Computo
Realizacin de la Programacin, y
ASUS, Core Do i7 RAM $800.000
para la determinacin de eficiencia
16 3 Meses
algortmica.
Licencia del Software Este Software Se requiere para
$2.100.000
GAMS programar el algoritmo.
El mapa se requiere para verificar
Mapa de Cundinamarca
los puntos geogrficos con ms de
levantado por el Instituto $900.000 8 Meses
una Conexin, para establecer la
Agustn Codazzi
Red.
Ingeniero Industrial que lidera el
Investigador Lder $9.000.000 10 Meses
Proyecto
Auxiliar de Investigacin Ingeniero de Software. $3.600.000 10 Meses
TOTAL $16.400.000 11 Meses
70
8.2. ELEMENTOS SUMINISTRADOS POR LAS AUTORAS
Presentacin de la inversin por parte de las autoras para la realizacin de este

proyecto.
Tabla 17 Elementos Proporcionados por las autoras
VALOR TIEMPO
DESCRIPCIN JUSTIFICACIN
ESTIMADO REQUERIDO
Se requiere para apoyar en la

Construccin de la Base de Datos
Microsoft Excel $ 500.000 10 Meses
de Distancias, y como herramienta
en el Desarrollo del Proyecto.
Se requiere la dedicacin del

Personal Tiempo para el Desarrollo del $2.300.000 14 Meses
Proyecto
Cada autora utilizo su propio
Equipos de
computador para el desarrollo del $1.000.000 14 Meses
Computo
Proyecto.
TOTAL $4.000.000 14 Meses
8.3. PRESUPUESTO GENERAL
Relacin del presupuesto final para el desarrollo del proyecto, en donde

incluiremos las inversiones nombradas anteriormente.
71
Tabla 18 Presupuesto general
TIEMPO
ELEMENTOS PRESUPUE
CONCEPTO NECESARI
REQUERIDOS STO
O
Documentar la informacin destacada
Libros, Artculos, Tesis
sobre ruta ms corta para el desarrollo $1.200.000 1 Mes
Doctorales, etc.
terico del Proyecto.
Hacer el diagnstico del estado actual Mapa de
de las rutas del Departamento de Cundinamarca (IAC). $3.100.000 1 Mes
Cundinamarca. Sistema Astra- SIG.
Mapa de
Escoger los puntos geogrficos con ms
Cundinamarca (IAC). $2.800.000 2 Meses
de una conexin.
Microsoft Excel
Establecer la Red, de acuerdo a los Microsoft Excel. Mapa
$2.200.000 1 Mes
nodos con ms de una Interaccin. de Cundinamarca (IAC)
Generar la base de datos, con las
distancias de los arcos, a partir de la red
que interrelaciona los pueblos de Microsoft Excel. $3.500.000 3 Meses
Cundinamarca (vas de comunicacin y
transporte terrestre)
Formular el modelo matemtico de ruta
ms corta, utilizando la tcnica y GAMS $2.400.000 1 Mes
algoritmo seleccionado.
Realizar las corridas del Algoritmo
utilizando determinado tipo de GAMS $1.700.000 1 Mes
metodologa.
Contrastar a travs de Diferentes
GAMS. Microsoft Excel $1.700.000 2 Meses
Solvers el Algoritmo generado.
Determinar Eficiencia Algortmica de
acuerdo a los resultados que se Microsoft Excel $1.600.000 2 Meses
generaron del Contraste.
TOTAL $20.200.000 14 Meses
72
8.4. IMPACTO ESPERADO
Este proyecto no tiene un plan de retorno, al no tener un objetivo lucrativo, sin

embargo, como impacto esperado, se tiene como propsito, que este trabajo sea
fundamentacin para otras investigaciones y contribuya en el desarrollo de
propuestas de movilidad para el departamento de Cundinamarca. Por tal razn
solo se mostrara el impacto esperado con la investigacin.
Tabla 19 Impacto Esperado
IMPACTO ESPERADO INDICADOR PLAZO SUPUESTOS

Participacin de Este Proyecto ser
nuestro entregado al Grupo de
Proyecto en las Investigacin de
Contribucin en el Plan Plazo Corto:
Propuestas para Produccin Experimental
de Movilidad Regional Mximo 4
la Formulacin de la UMNG, con el fin
(Cundinamarca) Aos
del Plan de de que dicha universidad
Movilidad en presente una Sola
Cundinamarca. Propuesta.
73
9. CONCLUSIONES
La teora de grafos tiene una aplicacin importante en el desarrollo de

Propuestas que contribuyan al progreso de la movilidad en determinada
regin, al representar por ejemplo las carreteras, permitiendo un anlisis
desde el punto de vista matemtico e ingenieril, generando una
interpretacin amplia de posibles soluciones e innovaciones para mejorar
este factor.
Los algoritmos al estar organizados de forma sistemtica y lgica, permiten

considerar un problema, simulando potenciales soluciones, estableciendo a
su vez, causas y consecuencias, generando un estudio exhaustivo, que
permita determinar la metodologa acertada para resolverlo.
El problema de ruta ms corta en redes permite establecer mecanismos

que faciliten la llegada de un punto a otro recorriendo una distancia mnima,
disminuyendo retardos, aumentando la productividad y mejorando la
logstica respecto al desarrollo de distribucin y comercializacin.
La solucin al problema Ruta ms Corta permite que entes

gubernamentales tengan una base para el desarrollo de propuestas, que
involucren la movilidad; con el fin de aumentar la competitividad en
determinado territorio.
74
La eficiencia algortmica es un propsito fundamental en el desarrollo de
cualquier proyecto que requiera lenguaje de programacin para su
desarrollo, pues se debe buscar el consumo mnimo de los recursos y a su
vez su mximo aprovechamiento.
75
Bibliografa
Abad Soriano, M. T. (2010). Anlisis de la Eficiencia de los Algoritmos. Barcelona:

Universitat Politcnica de Catalunya.
Ahuja, R. K., Ergum, O., Orlin, J. B., & Punnen, A. P. (1999). Estudio de Tcnicas
de Busqueda por Vecindad a muy Garan Escala. Cambridge.
AIMMS. (2013). AIMMS. The modeling System. Recuperado el 5 de Noviembre de

2013, de http://www.aimms.com/
Alonso Revenga, J. M. (2008). Flujo en Redes y Gestin de Proyectos. Oleiros, La

Corua: Netbiblo, S.L.
Arias, F. G. (2006). El Proyecto de Investigacin. Introduccin a la Metodologa

Cientfica (Quinta ed.). Caracas, Venezuela: Episteme.
Arias, L. C., Gorbitz, A., Cruz, L. C., MacLean, A., Salinas, L. A., & Samper, A.
(1987). Fundamentos de Comunicacin Cientfica y Redaccin Tecnica:
Una Recopilacin. Montevideo: Procisur.
Arreola Risa, J. S., & Arreola Risa, A. (2003). Programacin Lineal. una
introduccin a la Toma de Desiciones Cuantitativas. Mxico, D.F. : Ciencias
e Ingeniera.
Balczar, J. L. (2012). Apuntes sobre el clculo de la Eficiencia de los Algoritmos.

Zaragoza: Universidad Zaragoza.
Ballou, R. H. (2004). Logistica: Administracion de la Cadena de Suministro.

Mxico, D.F.: Pearson Educacin.
76
Bell Laboratories. (22 de Julio de 2013). AMPL. Recuperado el 03 de Noviembre
de 2013, de http://www.ampl.com/
Bravo, S. (1997). La Ciencia. Su mtodo y su Historia. Mxico, D.F.: Universidad

Nacional Autnoma de Mxico.
Cegarra Snchez, J. (2004). Metodologa de la Investigacinn Cientfica y

Tcnologica. Madrid: Diaz de Santos.
Cortez, A. (2004). Teora de la Complejidad Computacional y Teoria de la

Computabilidad. Investigacin Sistemas Informaticos., 102-105.
Divoky, J. J., & Hung, M. S. (1990). Performance of Shortest Path Algorithms in

Network Flow Problems.
Eppen, G. D. (2000). Investigacin de Operaciones en la Ciencia Administrativa.

Mxico, D.F.: Prentice-Hall.
Ferrando, J. C., & Gregori, V. (2012). Matemtica discreta (Segunda ed.).

Barcelona: Editorial Revert.
FICO. (2013). FICO Xpress Optimization Suite. Recuperado el 5 de Noviembre de

2013, de http://www.fico.com/en/Products/DMTools/Pages/FICO-Xpress-
Optimization-Suite.aspx
Garca , C., Lpez , J. M., & Puigjaner, D. (2002). Matemtica Discreta. Madrid:
Pearson Ecucacin, S.A. .
Garrido, A., & Onainda, E. (1999). Un Algoritmo para la Optimizacin de Rutas de

Transporte. Valencia: Universidad Politcnica de Valencia.
Gil Vzquez, P., Candelas, F., & Pomares, J. (2010). Redes y Trasmisin de
Datos. San Vicente del Raspeig: Universidad de Alicante.
Gobernacin de Cundinamarca. (2010). Estadistica de Cundinamarca.

Cundinamarca.
77
Gobernacin de Cundinamarca. (2012). Plan de Desarollo Departamental 2012-
2016. Cundinamarca Calidad de Vida. Cundinamarca.
Grimaldi, R. P. (1998). Matemticas Discreta y Combinatoria: Una Introduccin

con Aplicaciones. Massachusetts: Prentice Hall.
Gutirrez Aranzeta, C. (2005). Introduccin a la Metodologia Experimental.

Banderas, Mxico: Limusa.
Gutierrez Riveros, L., Beltran Urrego, H., & Mendoza Pardo, J. (1983).
Introduccin a las Ciencias. Los Seres y la Naturaleza. Bogot: Educar
Editores.
Hernandez Sampieri, R., Fernndez Collado, C., & Baptista Lucio, P. (1991).
Metodologa de la Investigacin. Mxico, D.F.: Mc Graw Hill.
Hillier , F. S., & Liberman, G. J. (2010). Investigacin de Operaciones (Novena

ed.). Mexico : McGraw Hill.
Izar Landieta, J. M. (1996). Investigacin de Operaciones en la Ciencia

Administrativa. San Luis de Potos, Mxico: Universidad Autnomo de San
Luis de Potos.
Johnsonbaugh, R. (2005). Matemticas Discretas. Mxico: Pearson Educacin.
Kioskea. (Octubre de 2013). Kioskea.net. Recuperado el 10 de Noviembre de

2013, de http://es.kioskea.net/contents/304-lenguajes-de-programacion
Lansdowne, Z. F., & Robinson, D. W. (December de 1982). Geographic

Descomposition of the Shortest Path Problem, with an application to the
Traffic Assignment Problem. Management Science, 28, 1380.
Marn Alberdi, J. I. (2000). Introduccin al Lenguaje GAMS.
Marques Soares, A. G. (2010). Teoria dos Grafos. Relatrio tcnico sobre os

passos computacionais detalhados para a determinao das componentes
78
bi-conexas de um grafo segundo o modelo proposto no livro Grafos e
Algoritmos Computacionais do autor Swarcfiter. Belm: Univeridade Federal
Do Par.
Maximal Software. (2013). Maximal Software. Recuperado el 03 de Noviembre de

2013, de http://www.maximalsoftware.com/mpl/
Molina, M. J. (2007). El Mtodo Cientifico Global. Molwick.
Montiel Perz, J. Y., Romero Herrera, R., & Lopez Bonilla, J. L. (2001).
Generacin de Rutas de Viaje con base a un Sistema de Informacin
Geografico. International Conference on System Sciences, 11.
Montiel Prez, J. Y., Serrano Talamantes, J. F., & Lpez Bonilla, J. L. (5-7 de Abril
de 2006). El Algoritmo de Dijkstra y un Sistema de Informacin Geogrfica
para la Generacin de rutas de Viaje. Encuentro de Investigacin en
Ingeniera Elctrica. Zacatecas: Instituto Politecnico Nacional. Escula
Superior de Computo, Departamento de Posgrados.
Moreno Navarro, J. G. (2007). Anlisis con SIG de la Red de Transporte

Intermodal entre Marruecos y la Unin Europea. Evaluacin de Rutas y
enclaves Estrategicos. Cuadernos Geogrficos, 203-219.
Moreno, E., & Ramrez, H. (2011). Grafo: Fundamentos y Algoritmos. Chile:

Editorial ebooks Patagonia - J.C. Senz Editor.
Nagih, A., & Soumis, F. (2005). Nodal aggregation of resource constraints in a

shortest. Elsevier.
Nazemi, A., & Omidi, F. (2012). An efcient dynamic model for solving the shortest
path problem.
Pabn, C. A. (22 de Julio de 2010). Mapa Vial de Cundinamarca. Recuperado el 1

de Septiembre de 2013, de http://www.mapavialdecundinamarca.co.nr/
79
Palacios Morales, C. I. (2010). Tpicos de Investigacin Operativa CPM - PERT-
Teora de Colas - Teora de Inventarios. Bogot D.C.: Universidad
Autnoma de Colombia.
Paredes Belmar, G., & Obreque, N. C. (2009). Un procedimiento optimal para

resolver el Median Shortest Path Problem. Ingeniera Industrial. Actualidad
y Nuevas Tendencias, 7-23.
Prez Aguila, R. (2013). Una introduccin a las matematicas discretas y teora de

grafos (Primera ed.). Mxico: EL Cid Editor.
Philpott, A. B. (March de 1994). Continuous-Time Shortest Path Problems And

Linear Programming. Siam J. Control and Optimization, 32(2), 538-552.
Prawda, J. (2004). Mtodos y Mdelos de Investigacin de Operaciones 1.

Modelos Deterministicos. Mexico, D.F.: Limusa. Noriega Editores.
Restrepo C, J. H., & Snchez C, J. J. (26 de Diciembre de 2004). Aplicacin de la

Tera de Grafos y el Algoritmo de Dijkstra para determinar las Distancias y
las Rutas Ms Cortas en una Ciudad. Scientia Et Technica, X, 121-126.
Recuperado el 4 de Septiembre de 2013, de
http://www.redalyc.org/articulo.oa?id=84911640035
Restrepo C., J. H., & Snchez C., J. J. (Diciembre de 2004). Aplicacin de la

Teora de Grafos y el Algoritmo de Dijkstra para determinar las Distancias y
las Rutas ms cortas en una ciudad. Scientia Et Technica, X(26), 121-126.
Rosen, K. H. (2004). Matemtica Discreta y sus Aplicaciones. Portoviejo: Mc Graw

Hill.
Rosenthal, R. E. (2013). The solvers Manuals - GAMS. Washington, D.C.: GAMS

Development Corporation.
Ross, S. M. (2007). Introduccin a la Estadistica. Barcelona: Revert.
80
Saavedra Gutierrez, J. A. (25 de Octubre de 2007). El Mundo Informtico.
Recuperado el 10 de Noviembre de 2013, de
http://jorgesaavedra.wordpress.com/2007/05/05/lenguajes-de-
programacion/
Salkind, N. J. (1999). Mtodos de Investigacin. Mxico, D.F.: Prentice Hall.
Scheinerman, E. R. (2008). Matemticas Discretas. Ciudad de Mxico: Thomson

Learning.
Sierra, A. J. (2010). Introduccin Lenguajes de Programacin. Sevilla: Universidad

de Sevilla.
Soler Fajardo, F., Rojas Corts, L., & Molina Focazzio, F. (2004). lgebra Lineal y
Programacin Lineal. Con Aplicacin a las Ciencias Administrativas,
Contables y Financieras. Bogot, D.C.: ECOE Ediciones.
Sonego Zimmermann, S. (2011). Teoria de Grafos. Informativo PET Matematica,

11.
Soret los Santos, I. (2004). Logstica Comercial y Empresarial (Cuarta edicin ed.).
Espaa: Esic Editorial.
Taha, H. A. (2012). Investigacin de Operaciones (Noven Edicin ed.). Mxico:

Pearson Educatin.
Tamayo y Tamayo, M. (2004). El Proceso de la Investigacin Cientifica. Mxico,

D.F.: Limusa.
Tanenbaum, A. S. (2003). Redes de computadoras . Mxico: Pearson Educacin .
Toledo Lpez, A., & Montiel Prez, J. Y. (2004). Generador de Rutas de Viaje
Utilizando un Sistema de Informacin Geografica y Procesamiento de
Video. Revista Digital Universitaria UNAM, 2-16.
81
Toro Jaramillo, I., & Parra Ramrez, R. D. (1986). Metodo y Conociemiento:
Metodologa de la Investigacin. Bogot: EAFIT.
Universidad Autonoma de Colombia. (2010). Proyecto Educativo del Programa de

Ingeniera Industrial. Bogot.
Verde Star, L. (1995). Matemtica Discreta y convinatoria. Barcelona: Anthropos.

Promat, S. Coop. Ltda.
Winston , W. L. (2006). Inestigacin de Operaciones Aplicaciones y Algoritmos

(Cuarta edicin ed.). Mxico: Thomson.
Zhan, B. (1997). Three Fastest Shortest Path Algorithms on Real Road. Networks:
Data Structures and Procedures. Journal of Geographic Information and
Decision Analysis, 70-82.
82

Modelado de Ruta Mas Corta para La Comun PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Modelado de Ruta Mas Corta para La Comun PDF

Enviado por

Direitos autorais:

Formatos disponíveis

MODELADO DE RUTA MS CORTA PARA LA COMUNICACIN Y

TRANSPORTE TERRESTRE ENTRE POBLACIONES DE CUNDINAMARCA

TORRADO SARMIENTO PAOLA ANDREA

VEGA VARGAS JESSICA MILENA

FUNDACIN UNIVERSIDAD AUTONOMA DE COLOMBIA

PROGRAMA DE INGENIERA INDUSTRIAL

TORRADO SARMIENTO PAOLA ANDREA

VEGA VARGAS JESSICA MILENA

Trabajo de Grado para Optar por el Ttulo de Ingeniero Industrial

Asesor: Ing. Esp. Oscar Palacio Len, Msc.

FUNDACIN UNIVERSIDAD AUTONOMA DE COLOMBIA

PROGRAMA DE INGENIERA INDUSTRIAL

El xito de terminar nuestro Proyecto de Grado lo dedicamos a Dios quien fue

A nuestros Padres quienes nos colaboraron econmicamente y nos motivaron a

A nuestros Hermanos quienes comparten y se alegran de nuestros triunfos.

A nuestra Familia quienes nos brindaron su apoyo en su debido momento.

Paola Torrado, Jessica Vega.

A Fabin Torres quien fue un apoyo fundamental a lo largo de mi pregrado,

Al culminar nuestro Pregrado no tenemos ms si no agradecimientos, en primer

A los profesores que nos brindaron sus conocimientos, pero en especial al

1.1. EL PROBLEMA DE LOS PUENTES DE KNIGSBERG ......................... 24

1.2. TEORIA DE GRAFOS .............................................................................. 25

2.1. ALGORITMOS MATEMATICOS PARA LA SOLUCIN DE REDES ....... 27

2.2. CAMINO MINIMO..................................................................................... 30

2.2.1. Ruta ms corta. ................................................................................. 30

2.2.1.2. Hardwares comerciales para trabajar grafos............................... 34

3. LENGUAJE DE PROGRAMACIN ............................................................... 35

3.1. MODELO DE PROGRAMACIN ............................................................. 35

3.1.1. Modelo imperativo. ............................................................................ 36

3.2. PROGRAMACIN ESTRUCTURADA ..................................................... 36

3.3. COMPUTABILIDAD ................................................................................. 36

3.4. COMPLEJIDAD COMPUTACIONAL........................................................ 37

3.5. EFICIENCIA ALGORITMICA ................................................................... 37

3.5.1. Medida de la eficiencia algortmica. ................................................... 38

4. SISTEMAS DE INFORMACIN GEOGRAFICA ............................................ 41

4.1. SISTEMA ASTRA..................................................................................... 42

5.1. INVESTIGACIN ..................................................................................... 46

5.1.1. Conocimiento. .................................................................................... 47

5.1.2. Ciencia. .............................................................................................. 47

5.2. INVESTIGACIN APLICADA .................................................................. 47

5.3. METODO CIENTIFICO ............................................................................ 48

5.3.3. Hiptesis. ........................................................................................... 48

5.3.4. Comprobacin de la hiptesis. .......................................................... 49

5.3.5. Demostracin de la hiptesis. ............................................................ 49

5.3.6. Tesis. ................................................................................................. 49

5.4. DESARROLLO DEL MODELO CONCEPTUAL ....................................... 49

6. DESARROLLO EXPERIMENTAL .................................................................. 50

6.1. APLICACIN DE LA METODOLOGIA..................................................... 52

6.1.1. Cdigo programado en Gams ........................................................... 54

6.1.2. Procedimiento .................................................................................... 56

6.1.2.1. Primera metodologa .................................................................. 57

6.1.2.3. Tercera metodologa ................................................................... 60

7. CONTRASTE DE ALGORITMOS COMPUTACIONALES PARA LA

7.1. RESULTADOS CON SOLVERS EMPLEADOS ...................................... 64

7.1.1. SOPLEX ............................................................................................ 64

7.1.2. CBC Y BDMLP .................................................................................. 65

7.2. PRESENTACIN DEL CONTRASTE ...................................................... 66

7.3. ECUACIN GENERADA DEL CONTRASTE .......................................... 69

8.1. ELEMENTOS PROPORCIONADOS POR LA UNIVERSIDAD MILITAR

8.3. PRESUPUESTO GENERAL .................................................................... 71

8.4. IMPACTO ESPERADO ............................................................................ 73

Figura 1 Mapa de Knigsberg donde se encontraban los Siete Puentes ............. 24

Figura 2 Ejemplo de un Dgrafo............................................................................ 26