Facultad de Ingenier a Escuela de Ingenier a de Sistemas Departamento de Investigaci on de Operaciones Investigaci on de Operaciones I

n M Modelos de Redes: Arboles de Expansio nima ximo y Problema del Flujo Ma

Por

Br. Marielb N. M arquez R. Br. Breytner J. Fern andez M. Br. Yoel J. Erazo V.

Marzo 2013

2013 Universidad de Los Andes M erida, Venezuela

 Indice
Indice de Tablas Indice de Figuras Introducci on Modelos de Redes 1 2 Terminolog a B asica de Redes . . . . . . . . . . . . . . . . . . . . . . . Arboles de Expansi on M nima . . . . . . . . . . . . . . . . . . . . . . . 2.1 2.2 2.3 2.4 3 3.1 3.2 3.3 3.4 Conclusiones Bibliograf a Ejemplo: Resoluci on de un Problema de Optimizaci on . . . . . Algoritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Herramientas Computacionales . . . . . . . . . . . . . . . . . . Algoritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ejemplo: Resoluci on de un Problema de Optimizaci on . . . . . Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Herramientas Computacionales . . . . . . . . . . . . . . . . . . iii iv 1 2 2 3 3 5 8 9 13 13 14 19 19 22 23

Problema del Flujo M aximo . . . . . . . . . . . . . . . . . . . . . . . .

ii

 Indice de Tablas
1 2 3 Distancia de los tramos de ferrocarril entre ciudades. . . . . . . . . . . Tramos de ferrocarril entre ciudades que minimizan la longitud total a contruir . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Distribuci on o ptima del ujo de camiones a trav es de diferentes rutas entre dos ciudades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 8 4

iii

 Indice de Figuras
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 Red de las posibles conexiones por ferrocarril entre ciudades. . . . . . . Resoluci on del problema de los ferrocarriles utilizando el algoritmo de Arboles de Expansi on M nima . . . . . . . . . . . . . . . . . . . . . . Men u de opciones para Modelos de Redes en el TORA . . . . . . . . . Pantalla del TORA para la introducci on de un nuevo problema . . . . 5 6 9 10

Introducci on del nombre del problema y n umero de nodos en el TORA para un problema de Arboles de Expansi on M nima . . . . . . . . . . 10 Tabla TORA de datos para problemas de Arboles de Expansi on M nima 11 Pantalla de soluci on en un problema de Arboles de Expansi on M nima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Soluci on nal de un problema de Arboles de Expansi on M nima en el TORA 422 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Red residual presentada por Hillier and Lieberman (2001) en la p agina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 15 16 16 17 17 17 Red del problema de los camiones en el TORA 12 12

Red no dirigida asociado al problema de los camiones . . . . . . . . . . Red residual tras denir el ujo en el camino A B F . . . . . . . Red residual tras denir el ujo en el camino A B D F . . . . Red residual tras denir el ujo en el camino A D F . . . . . . . Red residual tras denir el ujo en el camino A C D F . . . .

Red residual tras denir el ujo en el camino A C E F . . . . 18 Tabla TORA de datos para problemas de Arboles de Expansi on M nima 20 Soluci on nal de un Problema de Flujo M aximo en el TORA . . . . . 20 21 Soluci on por iteraciones de un Problema de Flujo M aximo en el TORA iv

Introducci on
En Lehman et al. (2010) se arma que las redes son estructuras ubicuas que se usan para representar relaciones entre pares de objetos. Hillier and Lieberman (2001) amplian esta idea dando algunos ejemplos como rutas de distribuci on y adquisici on de insumos, comunicaci on, colocaci on de cableado el ectrico y electr onico, planicaci on de proyectos y administraci on de recursos. Los matem aticos se dieron a la tarea de abstraer las propiedades comunes de estos ejemplos, y muchos otros, y desarrollaron la llamada teor a de Grafos que logra estudiar a las redes de forma general, con aplicaciones v alidas para cualquier caso particular. Es por esto que a las redes tambi en se les conoce como grafos. No obstante, a lo largo de este trabajo se preferir a usar el t ermino redes. Una de las mayores ventajas que trajo consigo la formalizaci on matem atica de las redes fue el desarrollo de algoritmos para la resoluci on de muchos problemas que pueden representarse en forma de redes. Taha (2007) identica cuatro tipos de problema que son de inter es no solo en t erminos de la teor a matem atica sino en el campo pr actico de otras disciplinas como la computaci on y m as especialmente la investigaci on de op eraciones: Arboles de Expansi on M nima, Problema de la Ruta m as Corta, Problema del Flujo M aximo y Problemas de Ruta Cr tica. En las p aginas que se suceden tras esta introducci on se presenta la aplicaci on de los algoritmos de Arboles de Expansi on M nima y Flujo M aximo en la resoluci on de un ejemplo. Adem as, se hace evidente su importancia al listar numerosos casos en los que se han aplicado para la resoluci on de problemas de la vida real. Tambi en se ilustra el uso de una herramienta computacional que permite resolver problemas de este tipo de manera casi instant anea.

Modelos de Redes
1 Terminolog a B asica de Redes

Antes de profundizar sobre Arboles de Expansi on M nima y el Problema del Flujo M aximo, es necesario exponer ciertos conceptos y denir algunos t erminos que facilitan la comprensi on del tema. Para llegar de forma intuitiva a la denici on de red, consid erese los siguientes ejemplos: un grupo de personas que tienen parentesco entre s , las ciudades de un pa s conectadas por carreteras asfaltadas, estaciones de gasolina a las que se les provee a trav es de rutas de distribuci on, rener as entre las que se intercambia petr oleo y productos de renaci on por medio de oleoductos, y computadoras conectadas v a web; todos son redes. De estos ejemplos, puede deducirse que una red est a compuesta por un conjunto de elementos (personas, ciudades, estaciones de gasolina,...) y un conjunto de relaciones entre esos elementos (parentesco, carreteras, rutas,...). Los elementos se designan generalmente como vertices o nodos y las relaciones como arcos o aristas. De acuerdo con Rabindranath (2011) un grafo o red ... se dene formalmente mediante una dupla G = V, A compuesta de dos conjuntos: V es el conjunto de v ertices o nodos y A es el conjunto de aristas o arcos (p. 191). Una red puede representar, por ejemplo el ujo de agua a trav es de una tuber a desde una casa hasta el sistema de recolecci on de aguas servidas. En este ejemplo, el ujo debe ir en un solo sentido (va de la casa al sistema de recolecci on y no del sistema a la casa, afortunadamente). Los problemas de cumplen con esa caracter stica se representan con redes dirigidas. La direcci on se indica con una echa desde el nodo

 n M 2 Arboles de Expansio nima

origen hasta el nodo destino, en lugar de una arista simple. Hay otro tipo de redes en el que el ujo puede ir en ambos sentidos entre los nodos, en cuyo caso, se representan mediante redes o grafos no dirigidos. Un ejemplo es una carretera entre dos ciudades que puede ser usada para viajar desde cualquiera de las dos ciudades hacia la otra ciudad. En estas no se usa echas para conectar los nodos sino aristas simples. En Rabindranath (2011) se dene un camino en una red como ...una secuencia intercalada de nodos y arcos(p.193). Un ciclo es un camino no vac o desde un nodo hasta el mismo. De acuerdo con Taha (2004), un a rbol es una red que puede consistir s olo en un subconjunto de todos los nodos en ella, donde no se permiten caminos no vac os desde un nodo hasta el mismo. Un a rbol de expansi on es un arbol que enlaza todos los nodos de una red. Podr a profundizarse m as en las deniciones pero las dadas ac a son sucientes para abordar problemas de aplicaci on que, como se ha dicho, son el inter es principal del uso de los Modelos de Redes de Investigaci on de Operaciones.

Arboles de Expansi on M nima

En esta parte se presenta en primer lugar la resoluci on de un problema usando el modelo de Arboles de Expansi on M nima, para luego abstraer las propiedades comunes de este tipo de problemas y presentar un algoritmo general.

2.1

Ejemplo: Resoluci on de un Problema de Optimizaci on

Considere el siguiente problema: el gobierno nacional desea construir una l nea de ferrocarril que conecte las ciudades de Caracas, Valencia, Puerto Ordaz, Barinas, M erida y Maracaibo. Luego de algunos estudios, los ingenieros determinan qu e ciudades pueden conectarse directamente y la distancia de los posibles tramos entre ellas.Los resultados se muestran en la tabla 1. Debido a las limitaciones de presupuesto el costo de la l nea, que es proporcional a su longitud, deber ser m nimo. Adem as, cada par de ciudades debe estar conectado directamente o por medio de ciudades intermedias; es decir, un

 n M 2 Arboles de Expansio nima

Ciudad Caracas Valencia P. Ordaz Barinas M erida Maracaibo

Caracas 2.3 9.4 8.3

Valencia 2.3 10.8 2.4 9.6 7.4

P. Ordaz 9.4 10.8 13.2 17.6

Barinas 2.4 13.2 7

M erida 9.6 17.6 7 2.9

Maracaibo 8.3 7.4 2.9

Tabla 1: Distancia de los tramos de ferrocarril entre ciudades. Las distancias est an medidas en cientos de kil ometros. El s mbolo signica que no hay tramo de ferrocarril posible entre las dos ciudades. pasajero que se monte en alguna ciudad debe poder llegar a cualquiera de las otras cinco. Este es un problema de Arboles de Expansi on M nima por que: se busca que todas las ciudades est en conectadas por los tramos, y por tanto, un a rbol de expansi on; u adem as, que la longitud total de sus aristas sea la menor de entre todos los arboles de expansi on que puedan representar la l nea de ferrocarril. La gura 1 es una red no dirigido que representa los datos de la tabla 1. Es intuitivo pensar que el problema puede resolverse conectando a cada ciudad con el resto de las ciudades a trav es del tramo m as corto que llega a ella. Por ejemplo, Barinas y Valencia pueden conectarse a trav es del tramo de 240 km, luego Caracas puede conectarse a estas dos ciudades por el tramo de 230 km, y del mismo modo puede continuarse conectando el resto de ciudades con este conjunto. En la gura 2 se muestra el proceso descrito en el p arrafo anterior, pero esta vez se comienza con la ciudad de M erida. Como el tramo m as corto que llega a ella es el de 290 km, se conecta M erida con Maracaibo a trav es de el, y Maracaibo se marca de verde para denotar que ya est a conectada por la l nea de ferrocarril. Seguidamente se compara los tramos que llegan a las dos ciudades marcadas de verde y se escoge el menor para conectarlas con la siguiente ciudad; que en este caso es Barinas (puesto que la longitud de 700 km del tramo que la conecta es la menor). Se repite el proceso, y ahora el tramo menor es el de 240 km que conecta Barinas con Valencia, as que esta

 n M 2 Arboles de Expansio nima

Figura 1: Red de las posibles conexiones por ferrocarril entre ciudades. Los nodos representan las ciudades: C es Caracas, V es Valencia, P es Puerto Ordaz, B es Barinas, M es M erida y N es Maracaibo. Los n umeros marcados al lado de los arcos son la longitud en cientos de kil ometros del tramo que conectar a a las dos ciudades. es la pr oxima ciudad marcada de verde. Al iterar dos veces m as, se une Caracas, a trav es de un tramo de 230 km, y Puerto Ordaz, a trav es de un tramo de 940 km. El resultado es el conjunto de ciudades conectadas a trav es de los tramos mencionados arriba, que suman una longitud total de 2400 km, como se muestra en la tabla 2. Este constituye la soluci on o ptima del problema planteado. En la siguiente secci on se describir a de nuevo c omo obtener la soluci on o ptima, pero empleando una terminolog a m as adecuada y siguiendo los pasos de un algoritmo general.

2.2

Algoritmo

De acuerdo con Cormen et al. (2009) existen dos algoritmos para encontrar el Arbol de Expansi on M nima de una red no dirigida sin ciclos: el algoritmo de Kruskall y el algoritmo de Prim. Ambos siguen una estrategia com un. Sobre ellos se puede profundizar en cualquier curso de an alisis de algoritmos, por lo que el enfoque que se dar a ac a ser a menos computacional y abordar a m as esa estrategia com un que se ha

 n M 2 Arboles de Expansio nima

Figura 2: Resoluci on del problema de los ferrocarriles utilizando el algoritmo de Arboles de Expansi on M nima

 n M 2 Arboles de Expansio nima

mencionado. En Hillier and Lieberman (2001) se enumeran tres pasos que describen el algoritmo a seguir de forma general: 1. Se selecciona arbitrariamente un nodo, y se conecta con el nodo m as cercano. Se dice que los nodos est an conectados. 2. Se busca el nodo no conectado m as cercano a los nodos conectados, y se conecta. Si existe un empate entre varios nodos se salta al paso tres. Si ya no hay nodos no conectados, se naliza. De lo contrario, se repite este paso. 3. Se rompe arbitrariamente el empate y se regresa al paso dos. Tras ocurrir un empate puede suceder que: siga existiendo una soluci on optima o existan varias soluciones optimas, cada una de las cuales se alcanza tomando una decisi on diferente al momento de romper el empate. La resoluci on del problema de los ferrocarriles planteada en la secci on anterior ilustra la ejecuci on a mano del algoritmo. Es recomendable seguir los siguientes pasos observando la gura 2. 1. Se elige arbitrariamente un nodo, por ejemplo, M (M erida), y se colorea de verde que identica a los nodos conectados. Se conecta con el nodo m as cercano que es N (Maracaibo) remarcando la arista entre ellos. El nuevo nodo conectado se colorea de verde para distinguirlo de los naranjas, que son nodos no conectados. 2. El nodo no conectado o nodo color naranja m as cercano a los conectados o nodos verdes, es B (Barquisimeto). Se conecta remarcando la arista correspondiente y colore andolo de verde. Se sigue iternado hasta que todos los nodos est an conectados. Finalizado el algoritmo, se cuenta con el conjunto de nodos conectados a trav es del conjunto de las aristas que se remarcaron. Este es el Arbol de Expansi on M nima y la soluci on del problema representado por la red de la gura 1. La longitud total del recorrido es la suma de las longitudes de todos los tramos. En la tabla 2 se resumen estos datos.

 n M 2 Arboles de Expansio nima

Tramo NM MB BV VC CP Total = Tabla 2: contruir

Longitud 2.9 7 2.4 2.3 9.4 2.4 = 2400 km

Tramos de ferrocarril entre ciudades que minimizan la longitud total a

2.3

Aplicaciones

De acuerdo con Hillier and Lieberman (2001) algunas aplicaciones en las que se usan Arboles de Expansi on M nima para optimizar alguna variable, son las que se listan a continuaci on: Los paquetes para el dise no de hardware de computadoras utilizan el algoritmo presentado para conectar los componentes de los chips minizando el area utilizada de la oblea de silicio. En el dise no de redes de tuber as que pueden transportar desde agua hasta crudo o renados de pretr oleo entre diferentes localidades, se minimiza la longitud de la tuber a total utilizada. En las redes el ectricas de alto voltaje, se busca obtener un m nimo en la longitud del tendido. En las redes de telecomunicaciones (bra o ptica, internet, televisi on, tel efono) lo m as rentable es ofrecer un a rea de servicio grande con un m nimo en el total de longitud de la bra o cables utilizados. En la construcci on de redes de transporte una variable a la que se le concede mucha importancia es el costo, que est a relacionado, a su vez, con la longitud total de las v as a construir.

 n M 2 Arboles de Expansio nima

2.4

Herramientas Computacionales

Existen una gran cantidad de programas de computadora para resolver problemas de Arboles de Expansi on M nima. En esta secci on se ilustra el uso de uno de ellos, llamado TORA, elegido porque ofrece un entorno muy intuitivo. No obstante, debe precisarse dos puntos que no se tratan en esta secci on: el primero es que este tipo de problemas pueden plantearse como problema de programaci on lineal y resolverse con herramientas tales como el Solver de Excel (Taha, 2007), y el segundo es que en la vida real se usa herramientas m as potentes como Matlab. 2.4.1 TORA

La herramienta TORA es una aplicaci on ofrecida como parte del libro Investigaci on de Operaciones de Taha (2004), que sirve para resolver problemas no muy complejos de Programaci on Lineal y Modelos de Redes, entre otros. En los siguientes p arrafos se ilustra el uso del TORA para la resoluci on del problema de ferrocarriles planteado en la secci on 2.1. 1. El primer paso se muestra en la gura 3 y consiste en indicar el tipo de problema a resolver. Cuando se posiciona el cursor sobre la opci on Network models (Modelos de Redes) se despliega un submen u en el que debe escogerse la opci on Minimal Spanning Tree (Arbol de Expansi on M nima).

Figura 3: Men u de opciones para Modelos de Redes en el TORA 2. Seguidamente se presenta la pantalla mostrada en la gura 4. Debe seleccionarse la opci on Enter New Problem (Introducir Nuevo Problema), no cambiar ninguna

 n M 2 Arboles de Expansio nima

10

de las dem as opciones y presionar sobre el bot on Go to Input Screen (Ir a la ventana de introducci on de datos).

Figura 4: Pantalla del TORA para la introducci on de un nuevo problema 3. Una vez en la ventana de introducci on de datos, se escribe el nombre del problema en el recuadro Problem Title y el n umero de nodos en el recuadro No. of Nodes. Obs ervese que en las gura 5 se introducen los datos del problema de ferrocarriles analizado en secciones anteriores.

Figura 5: Introducci on del nombre del problema y n umero de nodos en el TORA para un problema de Arboles de Expansi on M nima

4. La aplicaci on TORA despliega en pantalla autom aticamente una tabla en la que puede especicarse el nombre de cada nodo y el peso o capacidad de las aristas que los unen. Por ejemplo, observe en la gura 6 que el recuadro donde se intersectan la la N1 y la columna N3 (Caracas y Puerto Ordaz, respectivamente) se ha introducido el valor 940, que representa la distancia en ferrocarril entre las dos ciudades. Lo mismo debe hacerse para los dem as tramos. Cuando se ya de ha introducido todos los datos debe presionarse sobre el bot on Solve Menu.

 n M 2 Arboles de Expansio nima

11

Figura 6: Tabla TORA de datos para problemas de Arboles de Expansi on M nima 5. Luego, se despliega una ventana donde se resuelve el problema. Puede especicarse el nodo donde desea comenzar a resolver el problema. En el caso que se muestra en la gura 7, se selecciona el nodo N5 (M erida) que es el nodo seleccionado en la resoluci on del problema planteado en el ejemplo de ferrocarriles resuelto de las secciones anteriores. 6. Por u ltimo, se presiona sobre el bot on All Iterations en la parte superior de la ventana para llegar directamente a la soluci on nal, que se muestra en la gura 8. Sin embargo, si quiere seguirse paso a paso el proceso iterativo de soluci on, debe presionarse continuamente el bot on Next Iteration hasta que la aplicaci on indique que se ha llegado a la soluci on nal. Puede vericarse entonces que, para el problema de los ferrocarriles presentado en la secci on 2.1, el arbol de expansi on m nima es el mostrado en la parte vii) de la gura 2, con una longitud total de 2400 km, como se arma en la tabla 2.

 n M 2 Arboles de Expansio nima

12

Figura 7: Pantalla de soluci on en un problema de Arboles de Expansi on M nima en el TORA

Figura 8: Soluci on nal de un problema de Arboles de Expansi on M nima en el TORA

 ximo 3 Problema del Flujo Ma

13

3
3.1

Problema del Flujo M aximo

Algoritmo

Al igual que ocurre con Arboles de Expansi on M nima, en Cormen et al. (2009) se describe algunos algoritmos para resolver el Problema de Flujo M aximo, tales como el algoritmo de Ford-Fulkerson y el algoritmo de Edmonds-Karp. La explicaci on que se da en esta secci on est a basada en el algoritmo de Ford-Fulkerson. De nuevo, se hace enfasis en la estrategia que sigue el algoritmo y no en sus caracter sticas computacionales. En Cormen et al. (2009) se presenta el siguiente ejemplo ilustrativo: imag nese un sistema en el que se transporta material desde un lugar donde es producido (fuente ) hasta otro donde es consumido (sumidero ). La fuente produce material a una rata continua y estacionaria, y el sumidero lo consume a esta misma velocidad. El ujo del material en cierto punto es la tasa a la que este se mueve. El material puede ser alg un uido como agua, pero tambi en pueden ser datos, se nales el ectricas, veh culos, personas, entre muchos otros. El ujo debe pasar por alg un conducto que posee cierta capacidad (por ejemplo, una tuber a o una carretera). En el problema del ujo m aximo se desea calcular la m axima tasa a la que se puede mover el material desde la fuente al sumidero, sin violar las restricciones de capacidad. Para Cormen et al. (2009) la estrategia que sigue el algoritmo, b asicamente, es ir incrementando el valor del ujo desde el nodo fuente hasta el nodo sumideo. Esto se hace encontrando iterativamente caminos aumentantes en las redes residuales producto de cada iteraci on. En Hillier and Lieberman (2001) se muestra una red similar a la red de la gura 9 y se explica que la arista que conecta a O y B tiene una capacidad m axima de 7 y la interpretaci on de los n umeros en los extremos de la arista debe ser: ya se ha asignado un ujo de 5 desde O hasta B y se puede asignar 7 5 = 2 unidades m as de ujo desde O hasta B, esta es la capacidad residual de la arista. La gura 9 se denomina red residual. En Hillier and Lieberman (2001) se dene un camino aumentante como ...un camino dirigido desde la fuente hasta el sumidero tal que cada arista en este camino tiene una capacidad residual estrictamente positiva (p.422, traducci on propia).

 ximo 3 Problema del Flujo Ma

14

Figura 9: Red residual presentada por Hillier and Lieberman (2001) en la p agina 422 Adem as, se menciona que el m nimo de las capacidades residuales de las aristas que conforman un camino aumentante se denomina capacidad residual del camino aumentante y constituye una oportunidad para aumentar el ujo entre la fuente y el sumidero. El algoritmo puede describirse en tres pasos, como lo hacen Hillier and Lieberman (2001): 1. Se busca un camino aumentante dirigido desde la fuente hacia el sumidero. Si se encuentra se salta al paso 2, de lo contrario, se naliza. 2. Se determina la capacidad residual(c*) del camino aumentante (el m nimo de entre las capacidades residuales de las aristas que forman el camino). 3. Se decrementa la capacidad residual de cada arista que forma al camino en c* unidades y se incrementa la capacidad residual de cada arista en la direcci on opuesta al camino en c* unidades. Se itera nuevamente desde el paso 1. En la siguiente secci on, se ilustra c omo se siguen el algoritmo para encontrar el ujo m aximo de camiones que transportan la producci on desde las instalaciones de una f abrica hasta la ciudad donde se consumen.

3.2

Ejemplo: Resoluci on de un Problema de Optimizaci on

Considere el siguiente problema: Una compa n a tiene una f abrica localizada en la ciudad A donde los productos son elaborados. Se usa camiones para transportarlos hasta la ciudad F a trav es de diferentes v as, cada una de las cuales tiene un l mite superior para el n umero de camiones que puede pasar por ella. La gerencia est a interesada en determinar la cantidad m axima de camiones que la f abrica puede enviar a la ciudad F, sin violar las restricciones de cada v a. En la gura 10 se presentan los datos del problema utilizando una red dirigida.

 ximo 3 Problema del Flujo Ma

15

Figura 10: Red del problema de los camiones Los nodos son ciudades y las aristas dirigidas indican las conexiones entre ciudades. Los n umeros representan la cantidad m axima de camiones que pueden viajar por cada conexi on en la direcci on especicada por la echa. El primer paso en la ejecuci on del algoritmo para hallar el Flujo M aximo entre el nodo fuente A y el nodo sumidero F es asociar una red no dirigida a la red dirigida del problema, como se muestra en la gura 11. Las aristas tienen un n umero en cada extremo. Este n umero representa la cantidad de camiones que pueden viajar hasta la ciudad conectada en el otro extremo. Por ejemplo, la arista que conecta a A y B tiene inicialmente una capacidad de 6 camiones hacia B, y 0 camiones hacia A. N otese que el n umero que se encuentra en los extremos donde estaba la punta de la echa en la red original, tambi en puede representar el ujo actual de camiones hacia ese extremo. Uno de los caminos (o conjunto de aristas) por donde puede aumentarse el ujo actual es A B F. El m nimo de las capacidades residuales de las aristas en este camino es min{6, 3} = 3 y por tanto ese es el ujo que se le asigna al camino. V ease c omo se marca la red residual en la gura 12. En el camino A B D F puede aumentar el ujo en 2 unidades. La red residual resultante se muestra en la gura 13. Ahora se aumenta el ujo por el camino A D F en tres unidades, que es la capacidad m nima de las aristas que conforman el camino; quedando como red residual la que se muestra en la gura 14.

 ximo 3 Problema del Flujo Ma

16

Figura 11: Red no dirigida asociado al problema de los camiones

Figura 12: Red residual tras denir el ujo en el camino A B F Por medio del camino A C D F tambi en puede aumentarse el ujo en 1 unidad, como se muestra en la gura 15. El camino A C E F hace posible que se siga aumentando el ujo entre la fuente y el sumidero. El aumento es de 2 unidades, resultando la red mostrada en la gura 16. Al observar la gura 15 se observa que no hay ning un camino cuyas aristas tengan capacidades residuales positivas, esto es, no exiten ning un camino a trav es del cual pueda aumentarse el ujo de A a F; lo cual indica que ya se ha alcanzado el Flujo M aximo desde A hasta F a trav es de la red. El Flujo M aximo es num ericamente igual a la suma de los ujos que llegan a F: 3 + 6 + 2 = 11, de modo que la respuesta al problema es que el n umero m aximo de camiones que se pueden enviar desde la ciudad A hasta la ciudad F es de 11, distribuidos como se muestra en la tabla 3

 ximo 3 Problema del Flujo Ma

17

Figura 13: Red residual tras denir el ujo en el camino A B D F

Figura 14: Red residual tras denir el ujo en el camino A D F

Figura 15: Red residual tras denir el ujo en el camino A C D F

 ximo 3 Problema del Flujo Ma

18

Figura 16: Red residual tras denir el ujo en el camino A C E F

N umero de Camiones 3 2 3 1 2 Total = 11

Ruta ABF ABDF ADF ACDF ACEF

Tabla 3: Distribuci on o ptima del ujo de camiones a trav es de diferentes rutas entre dos ciudades

 ximo 3 Problema del Flujo Ma

19

3.3

Aplicaciones

En Hillier and Lieberman (2001) se presenta algunas aplicaciones t picas del Problema de Flujo M aximo: Maximizar el ujo en la red de distribuci on desde las f abricas hasta los clientes. Maximizar el ujo en la red de proveedores a la compa n a. Maximizar el ujo a trav es de un sistema de tuber as (de agua, petr oleo, o renados, por ejemplo). Maximizar el ujo de pasajeros en una red de transporte.

3.4

Herramientas Computacionales

Para resolver problemas de Flujo M aximo se usar a el TORA por las misma raz on aducida en la secci on 2.4.1, esto es, por lo intuitivo que resulta el programa. Del mismo modo, se hace notar que cualquier Problema de Flujo M aximo tambi en puede ser planteado como un problema de Programaci on Lineal y ser resuleto con herramientas tales como el Solver de Excel. 3.4.1 TORA

Los pasos, en este caso son los mismos que los planteados para los Arboles de Expansi on m nima pero seleccionando la opci on Maximal Flow (Flujo M aximo) en el submen u Network Model. Los datos del problema de los camiones resuelto en la secci on 3.2 se introducen en la pantalla mostrada en la gura 17. Al presionar sobre el bot on Solve Menu se muestra la pantalla de la gura 18 o la gura 19 dependiendo de si se escoge en el recuadro Select Output Option (Seleccione la forma del resultado) de la parte superior de la pantalla la opci on Maximal ow (Flujo M aximo) o Iterations (Iteraciones). La primera permite conocer la soluci on nal del ujo m aximo entre el origen y el sumidero, y la segunda seguir las iteraciones del algoritmo una a una hasta llegar a la soluci on nal.

 ximo 3 Problema del Flujo Ma

20

Figura 17: Tabla TORA de datos para problemas de Arboles de Expansi on M nima

Figura 18: Soluci on nal de un Problema de Flujo M aximo en el TORA

 ximo 3 Problema del Flujo Ma

21

Figura 19: Soluci on por iteraciones de un Problema de Flujo M aximo en el TORA En la gura 18 se muestra que la soluci on del TORA para el problema de los camiones de la secci on 3.2 es que el Flujo M aximo entre las ciudades A y F es de 11 camiones, el mismo obtenido en esa secci on y presentado en la tabla 3.

Conclusiones
Los modelos de redes son una herramienta muy eciente para resolver manualmente o con ayuda de la computadora problemas del tipo de Arboles de Expansi on M nima y Flujo M aximo (entre otros). Se ha visto que existe una multitud de aplicaciones de las redes en Investigaci on de Operaciones, entre las que vale destacar problemas de maximizaci on de la capacidad de distribuci on o adquici on de materiales por parte de f abricas y el dise no de medios de comunicaci on (terrestre, digital, entre otros) minimizando los costos de los proyectos. Tambi en se mostr o que se cuenta con programas de computadoras de muy alto nivel, como Matlab, que incluyen paquetes para el modelado con redes y que se pueden usar para resolver grandes problemas; y otros de gama baja, como el TORA, que permiten resolver problemas modestos pero que facilitan conocer la intuici on detr as de los m etodos utilizados. El uso de los modelos de redes se ve grandemente favorecido por el amplio basamento te orico matem atico que permiti o el desarrollo de aplicaciones de computadora como las mencionadas en el p arrafo anterior.

Bibliograf a
Cormen, T., Leiserson, C., Rivest, R., and Stein, C. (2009). Introduction to Algorithms. The MIT Press, Cambridge Massachusetts, Estados Unidos de Am erica, 3ra edition. Hillier, F. and Lieberman, G. (2001). Introduction to Operations Research. 7ma edition. Lehman, E., Leighton, T., and Meyer, A. (2010). Mathematics for Computer Science. Massachusetts Institute of Technology, MIT OpenCourseWare. Rabindranath, L. (2011). Tejiendo Algoritmos, volume 2. Universidad de Los Andes. Taha, H. (2004). Investigaci on de Operaciones. Pearson Educaci on, M exico, 7ma edition. Taha, H. (2007). Operations Research: An Introduction. Mc Graw Hill, Upper Saddle River NJ, Estados Unidos de Am erica, 8va edition.