INTRODUCCIÓN

Un modelo de programación lineal proporciona un método eficiente para determinar una

decisión óptima, o una estrategia óptima o un plan óptimo escogida de un gran número de
decisiones posibles.

1
 OBJETIVOS

 La programación lineal es encontrar las condiciones en que se maximiza la

denominada función objetivo, una ecuación que determina, por ejemplo, el ingreso que
se obtendrá produciendo determinadas mercancías.

 La programación lineal indica entonces la combinación óptima de bienes a producir

para obtener el máximo beneficio a partir de un conjunto finito de recursos

2
 PROGRAMACIÓN LINEAL
Se conoce como programación lineal a la técnica de la matemática que permite la optimización
de una función objetivo a través de la aplicación de diversas restricciones a sus variables. Se
trata de un modelo compuesto, por lo tanto, por una función objetivo y sus restricciones,
constituyéndose todos estos componentes como funciones lineales en las variables en cuestión.

A lo largo de la historia han existido diversos acontecimientos importantes relativos a la

programación lineal, como son estos:

-Durante la Segunda Guerra Mundial se mantuvo en secreto y fue utilizada como mecanismo
para poder gestionar y planificar todos los gastos. De esta manera se pretendía, gestionar mejor
los recursos propios y reducir lo máximo posible lo que eran los costos del ejército.
-Tres se consideran sus padres o creadores: el húngaro-estadounidense John von Neumann, el
profesor norteamericano George Dantzig y el matemático de origen ruso Leonid Kantoróvich,
que recibió el Premio Nobel de Economía en 1975.

Los modelos de programación linealcontemplan que las variables de decisión (es decir, la
función objetivo y las restricciones) mantienen un comportamiento de tipo lineal. Esto hace que,
a través de su método, se puedan simplificar los cálculos y obtener un resultado próximo a la
realidad.

Además de todo lo expuesto, no podemos pasar por alto tampoco la existencia de otra serie
importante de conceptos que están en relación a la citada programación lineal. En este caso, nos
estamos refiriendo a tres en concreto:

-Solución factible. Bajo esta denominación se encuentra un recinto, que puede estar acotado o
no y que está determinado por lo que viene a ser el conjunto de las restricciones de todos los
semiplanos. También es conocida por el nombre de región de validez.
-Solución óptima. Se da en llamar así a lo que es el conjunto de todos los vértices del recinto.
Hay que subrayar además que, en concreto, esa puede ser mínima o máxima según cada caso.
-Valor del programa lineal. En este caso, este viene a ser el valor que la mencionada función
objetivo toma en lo que es el vértice de la solución óptima.

3
La programación lineal es un conjunto de técnicas racionales de análisis y de resolución de
problemas que tiene por objeto ayudar a los responsables en las decisiones sobre asuntos en los
que interviene un gran número de variables.

El nombre de programación lineal no procede de la creación de programas de ordenador, sino

de un término militar, programar, que significa “realizar planes o propuestas de tiempo para el
entrenamiento, la logística o el despliegue de las unidades de combate”.

Aunque parece ser que la programación lineal fue utilizada por G. Monge en 1776, se
considera a L. V. Kantoróvich uno de sus creadores. La presentó en su libro Métodos
matemáticos para la organización y la producción (1939) y la desarrolló en su trabajo Sobre la
transferencia de masas (1942). Kantoróvich recibió el premio Nobel de economía en 1975 por
sus aportaciones al problema de la asignación óptima de recursos humanos.

La investigación de operaciones en general y la programación lineal en particular recibieron

un gran impulso gracias a los ordenadores. Uno de momentos más importantes fue la aparición
del método del simplex.

 Objetivos
 Conocer la programación lineal y sus aplicaciones a la vida cotidiana.
 Plantear y resolver situaciones con programación lineal.
 Pasos para la construcción de un modelo.

4
 MODELOS DE PROGRAMACIÓN LINEAL

MODELO DE TRANSPORTE. Tenemos una red de carreteras. Hay varios puntos donde se
va a producir algo y otros puntos donde se va a demandar algo. Conociendo los costes de
transporte, hay que elegir el camino para que el coste sea el mínimo posible. Elegir desde que
centro de producción atenderemos a cada centro de demanda. Solución: Lo primero que
haremos será definir las variables: Pi ------ producción máxima de cada centro i Cij ---- coste de
transporte de un centro i a un centro de demanda j dj ----- demanda máxima en cada centro j
F.O..: Minimizar Σ Xij * Cij Siendo Xij lo que producido en el centro i vamos a mandarlo al
centro j. S.a..:Para todo i: Σ Xij ≤ Pi Para todo j: Σ Xij ≥ dj Para todo i,j: Xij ≥ 0 Este problema
se podría complicar dando nuevas restricciones como podrían ser el tener una demanda máxima
y otra mínima. Lo mismo se podría aplicar a la producción. Otro tipo de restricciones que se
podrían introducir vendrían dadas por la aparición de almacenes intermedios. En ellos
podríamos almacenar lo que hiciese falta, para repartirlo en otro momento por otros vehículos.
Esto sería un modelo de transbordo. También se puede dar una capacidad máxima a cada
almacén.

MODELO DE ASIGNACIÓN. Supone que tiene unos puestos de trabajo y unos candidatos.
Se quiere estudiar cómo cubrir estos puestos de forma que se optimice una variable que sea
significativa. Es la modelización en programación lineal del algoritmo húngaro. Para este tipo
de modelización necesitamos definir una nueva variable, llamada variable dual que la
representaremos por aij y su funcionamiento es el siguiente: Si aij = 1 entonces el señor i ocupa
el puesto j. Si aij = 0 entonces el señor i no ocupa el puesto j. Se llama variable dual porque sólo
puede tomar dos valores: 1 ó 0. En nuestro problema tendremos que definir: Vij ---- valor de la
persona i para el puesto j. F.O.: Maximizar Σ aij * Vij S.a.: Para todo i:Σ aij = 1 Para todo j: Σ
aij La primera restricción indica que un señor sólo ocupará un puesto. La segunda indica que un
puesto sólo lo ocupará un señor o bien no estará ocupado.

MODELO DE ORDENACIÓN DE TAREAS. Estudia los tiempos de demora que dependerán

de si se hace una tarea antes que otra. El modelo es igual que el anterior sólo que intentaríamos
minimizar los costes muertos entre tarea y tarea, es decir: Min Σ aij * tij Aparecerá una
restricción que será: si una tarea i se realiza antes que una tarea j, entonces la tarea j no se hará
antes que la tarea

5
MODELO DE LA MOCHILA. Un señor va de campo y tiene una mochila con una
determinada capacidad, N, y sabemos que cada objeto pesa Pi. De cada N objetos quiere llevar
una cantidad mínima de cada uno de ellos. ¿Cómo llenar la mochila para que el peso sea
mínimo? Solución: F.O.: Min Σ ni * Pi Siendo “ni” el número de objetos del tipo i que llevará:
S.a.: ni ≤ Ni Σ ni ≤ N siendo Ni el número total de objetos i de que dispone

FORD- FULKERSON: Es el problema del flujo máximo. Definimos: Cij------capacidad del

arco que tiene como nodo origen i y como nodo final j. fij------ flujo que circula por el arco (i,j).
F.O.: Max Σ fij. S.a.: Para todo i y para todo j: fij≤Cij. Para todo i: Σ fij - Σ fik =0 Para todo i y
para todo j: La segunda restricción indica que lo que entra en un nodo es igual a lo que sale. Si
existiese capacidad en cada nodo, Ri, aparecería la restricción: Para todo i: Σ fij ≤ Ri

FORMAS CANONICAS Y ESTANDAR

La forma canónica de la programación lineal es:

Max Z= c1x1+ c2x………..+ cnxn

Sujeto a las restricciones:

a11x1+ a12x2 …….. + a1nxn ≤ b1

a21x1+ a22x2………..+ a2nxn ≤ b2

am1x1+ am2x2………..+ amnxn ≤ bm

x1 ≥ 0, x≥ 0……….xn ≥ 0

Se puede observar que en la forma canónica:

1) La función objetivo se maximiza.

2) Las restricciones de los recursos son representadas por desigualdades menor o igual a
los recursos limitados (≤).

3) Las variables todas deben ser mayores que cero.

6
Para poder resolver de forma algebraica el modelo de programación lineal debe tener las
siguientes propiedades:

a) Todas restricciones deben ser ecuaciones (igualdades) y el segundo miembro no debe de ser
negativo.
b) Todas las variables no deben ser negativas
c) La función objetivo puede ser de maximización o de minimización.

a) Para que todas las restricciones se conviertan a ecuaciones (igualdades):

1) Las restricciones de tipo ≤ se le suma una variable de holgura al primer miembro de la ecuación.
Ejemplo:

X1 + 2x2 ≤ 6 se convierte en: X1 + 2x2 + Xe = 6

2) Las restricciones de tipo ≥ se le resta una variable de exceso al primer miembro de la ecuación.
Ejemplo:

X1 + 2x2 ≥ 6 se convierte en: X1 + 2x2- Xe = 6

3) El segundo miembro de una ecuación puede hacerse no negativo multiplicando ambos lados
por -1.

X1 + 2x2 - 5x3 = -6 se convierte en: -X1- 2x2+ 5x3= 6

4) En una desigualdad, el signo se invierte al multiplicar por -1

X1 - 2x2 ≥ -6 se convierte en: -X1+ 2x2 ≤ 6

b) Todas las variables no deben ser negativas

En caso de existir una variable irrestricta (no restringida) xi puede expresarse en término de dos
variables no negativas

7
Xi = xi´ + xi´´
La sustitución debe efectuarse en todas las ecuaciones incluyendo la función objetivo.

C) como sabemos el problema de PL puede ser maximización o minimización, pero algunas

veces es conveniente convertir de una forma a otra:

La maximización de una función objetivo equivale a la minimización del negativo de la misma

función y viceversa

Maximizar z = 5x1+ 2x2 + 3x3 es igual a minimizar –z = -5x1 – 2x2 – 3x3

Además, la función objetivo de debe igualar a cero:

z = 5x1 + 2x 2 + 3x3 se convierte a z- 5x1 - 2x2 - 3x3=0

Aprovechando estas propiedades podemos pasar cualquier problema de PL de la forma canónica

a la forma estándar que es la que se trabaja de forma algebraica y que tiene la forma general de:

Z - c1x1 - c2x2…………cnxn

Sujeto a:
a11x1 + a12x1………….. +a1nxn + xn1 = b1
a21x1+ a22x1…………..+ a2nxn + xn2 = b2
am1x1+ am2x1…………..+a1mxn+ xnm = bm

En donde:
x1 ≥ 0, x2 ≥ 0………. Xn ≥ 0
xh1 ≥ 0, xh2≥ 0………. Xnm≥ 0

8
 METODO SIMPLEX Y SUS VARIABLES

El Método Simplex es un método analítico de solución de problemas de programación

lineal capaz de resolver modelos más complejos que los resueltos mediante el método
gráfico sin restricción en el número de variables.

El Método Simplex es un método iterativo que permite ir mejorando la solución en cada paso.
La razón matemática de esta mejora radica en que el método consiste en caminar del vértice de
un poliedro a un vértice vecino de manera que aumente o disminuya (según el contexto de la
función objetivo, sea maximizar o minimizar), dado que el número de vértices que presenta un
poliedro solución es finito siempre se hallará solución.

Una matriz puede definirse como una ordenación rectangular de elementos, (o listado finito de
elementos), los cuales pueden ser números reales o complejos, dispuestos en forma de filas y de
columnas.

La matriz idéntica o identidad es una matriz cuadrada (que posee el mismo número tanto de
columnas como de filas) de orden n que tiene todos los elementos diagonales iguales a uno (1)
y todos los demás componentes iguales a cero (0), se denomina matriz idéntica o identidad de
orden n, y se denota por:

La importancia de la teoría de matrices en el Método Simplex es fundamental, dado que el

algoritmo se basa en dicha teoría para la resolución de sus problemas.

OBSERVACIONES IMPORTANTES AL UTILIZAR MÉTODO SIMPLEX

VARIABLES DE HOLGURA Y EXCESO

El Método Simplex trabaja basándose en ecuaciones y las restricciones iniciales que se modelan
mediante programación lineal no lo son, para ello hay que convertir estas inecuaciones en
ecuaciones utilizando unas variables denominadas de holgura y exceso relacionadas con el

9
recurso al cual hace referencia la restricción y que en el tabulado final representa el "Slack or
surplus" al que hacen referencia los famosos programas de resolución de investigación de
operaciones, estas variables adquieren un gran valor en el análisis de sensibilidad y juegan un
rol fundamental en la creación de la matriz identidad base del Simplex.

Estas variables suelen estar representadas por la letra "S", se suman si la restricción es de signo
"<= " y se restan si la restricción es de signo ">=".

Por ejemplo:

10
 LA DUALIDAD

Cada uno de los problemas abordados hasta entonces en los módulos anteriores se consideran
problemas primales, dado que tienen una relación directa con la necesidad del planteamiento, y
sus resultados responden a la formulación del problema original; sin embargo, cada vez que se
plantea y resuelve un problema lineal, existe otro problema ínsitamente planteado y que puede
ser resuelto, es el considerado problema dual, el cual tiene unas importantes relaciones y
propiedades respecto al problema primal que pueden ser de gran beneficio para la toma de
decisiones.

Los problemas primales y duales se encuentran ligados por una serie de relaciones, saber la
existencia de estas puede ser considerado de gran utilidad para la resolución de problemas que
parecen no factibles, o que no pueden ser resueltos mediante un método en particular.

Relaciones entre problemas primales y duales:

El número de variables que presenta el problema dual se ve determinado por el número de

restricciones que presenta el problema primal.

El número de restricciones que presenta el problema dual se ve determinado por el número de

variables que presenta el problema primal.

Los coeficientes de la función objetivo en el problema dual corresponden a los términos

independientes de las restricciones (RHS), que se ubican del otro lado de las variables.

Los términos independientes de las restricciones (RHS) en el problema dual corresponden a los
coeficientes de la función objetivo en el problema primal.

La matriz que determina los coeficientes técnicos de cada variable en cada restricción
corresponde a la transpuesta de la matriz de coeficientes técnicos del problema primal.

El sentido de las igualdades y desigualdades se comporta según la tabla de TUCKER, presentada

a continuación.

11
 Tabla de TUCKER

IMPORTANCIA DE LA DUALIDAD EN PROGRAMACIÓN LINEAL

La resolución de los problemas duales respecto a los primales se justifica dada la facilidad que
se presenta dados problemas donde el número de restricciones supere al número de variables.
Además de tener gran aplicación en el análisis económico del problema.

Otra de las ventajas que presenta es que dado a que el número de restricciones y variables entre
problema dual y primal es inverso, se pueden resolver gráficamente problemas que presenten
dos restricciones sin importar el número de variables.

El siguiente problema a resolver es hasta el momento el modelo más completo de los resueltos
en los módulos anteriores, dado que trataremos de resolver un problema primal y su dual
mediante Método Simplex utilizando variables de holgura, exceso y artificiales; además
resolveremos el primal utilizando Simplex maximizando y el dual minimizando.

Dado el siguiente modelo primal,

ZMAX = 40X1 + 18X2

16X1 + 2X2 ≤ 700

6X1 + 3X2 ≤ 612

X1 ≤ 80

X2 ≤ 120

12
Cuya respuesta es

X1 = 28,75

X2 = 120

S1 = 79.5

S3 = 51.25

Función objetivo = 3310

13
METODO ESQUINA NOROESTE

El método de la esquina Noroeste es un algoritmo heurístico capaz de solucionar problemas de

transporte o distribución, mediante la consecución de una solución básica inicial que satisfaga
todas las restricciones existentes, sin que esto implique que se alcance el costo óptimo total.

Este método tiene como ventaja frente a sus similares, la rapidez de su ejecución, y es utilizado
con mayor frecuencia en ejercicios donde el número de fuentes y destinos sea muy elevado.

Su nombre se debe al génesis del algoritmo, el cual inicia en la ruta, celda o esquina Noroeste.
Es común encontrar gran variedad de métodos que se basen en la misma metodología de la
esquina Noroeste, dado que podemos encontrar de igual manera el método e la esquina Noreste,
Sureste o Suroeste.

ALGORITMO DE RESOLUCIÓN DE LA ESQUINA NOROESTE

Se parte por esbozar en forma matricial el problema, es decir, filas que representen fuentes y
columnas que representen destinos, luego el algoritmo debe de iniciar en la celda, ruta o esquina
Noroeste de la tabla (esquina superior izquierda).

PASO 1:

En la celda seleccionada como esquina Noroeste se debe asignar la máxima cantidad de unidades
posibles, cantidad que se ve restringida ya sea por las restricciones de oferta o de demanda. En
este mismo paso se procede a ajustar la oferta y demanda de la fila y columna afectada,
restándole la cantidad asignada a la celda.

14
PASO 2:

En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0 después del
"Paso 1", si dado el caso ambas son cero arbitrariamente se elige cual eliminar y la restante se
deja con demanda u oferta cero (0) según sea el caso.

PASO 3:

Una vez en este paso existen dos posibilidades, la primera que quede un solo renglón o columna,
si este es el caso se ha llegado al final el método, "detenerse".

La segunda es que quede más de un renglón o columna, si este es el caso iniciar nuevamente el
"Paso 1".

Por medio de este método resolveremos el problema de transporte propuesto y resuelto en

módulos anteriores mediante programación lineal.

EL PROBLEMA

Una empresa energética colombiana dispone de cuatro plantas de generación para satisfacer la
demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá, Medellín y Barranquilla. Las plantas
1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW al día respectivamente. Las
necesidades de las ciudades de Cali, Bogotá, Medellín y Barranquilla son de 70, 40, 70 y 35
millones de Kw al día respectivamente.

Los costos asociados al envío de suministro energético por cada millón de KW entre cada planta
y cada ciudad son los registrados en la siguiente tabla.

15
Formule un modelo de programación lineal que permita satisfacer las necesidades de todas las
ciudades al tiempo que minimice los costos asociados al transporte.

Los costos asociados a la distribución son:

El costo total es evidentemente superior al obtenido mediante Programación Lineal y el Método

de Aproximación de Vogel, lo cual demuestra lo enunciado en la descripción del algoritmo que
cita que no obtiene siempre la mejor solución, sin embargo presenta un cumplimiento de todas
las restricciones y una rapidez de elaboración, lo cual es una ventaja en problemas con
innumerables fuentes y destinos en los cuales no nos importe más que satisfacer las
restricciones.

16
METODO COSTO MINIMO

El método del costo mínimo o método de los mínimos costos es un algoritmo desarrollado con
el objetivo de resolver problemas de transporte o distribución, arrojando mejores resultados que
métodos como el de la esquina noroeste, dado que se enfoca en las rutas que presentan menores
costos.

El diagrama de flujo de este algoritmo es mucho más sencillo que los anteriores, dado que se
trata simplemente de la asignación de la mayor cantidad de unidades posibles (sujeta a las
restricciones de oferta y/o demanda) a la celda menos costosa de toda la matriz hasta finalizar
el método.

ALGORITMO DEL COSTO MÍNIMO

PASO 1:

De la matriz se elige la ruta (celda) menos costosa (en caso de un empate, este se rompe
arbitrariamente) y se le asigna la mayor cantidad de unidades posible, cantidad que se ve
restringida ya sea por las restricciones de oferta o de demanda. En este mismo paso se procede
a ajustar la oferta y demanda de la fila y columna afectada, restándole la cantidad asignada a la
celda.

PASO 2:

En este paso se procede a eliminar la fila o destino cuya oferta o demanda sea 0 después del
"Paso 1", si dado el caso ambas son cero arbitrariamente se elige cual eliminar y la restante se
deja con demanda u oferta cero (0) según sea el caso.

PASO 3:

Una vez en este paso existen dos posibilidades, la primera que quede un solo renglón o columna,
si este es el caso se ha llegado al final el método, "detenerse".

La segunda es que quede más de un renglón o columna, si este es el caso iniciar nuevamente el
"Paso 1".

17
EL PROBLEMA

Una empresa energética colombiana dispone de cuatro plantas de generación para satisfacer la
demanda diaria eléctrica en cuatro ciudades, Cali, Bogotá, Medellín y Barranquilla. Las plantas
1,2,3 y 4 pueden satisfacer 80, 30, 60 y 45 millones de KW al día respectivamente. Las
necesidades de las ciudades de Cali, Bogotá, Medellín y Barranquilla son de 70, 40, 70 y 35
millones de Kw al día respectivamente.

Los costos asociados al envío de suministro energético por cada millón de KW entre cada planta
y cada ciudad son los registrados en la siguiente tabla.

En este caso el método del costo mínimo presenta un costo total superior al obtenido
mediante Programación Lineal y el Método de Aproximación Vogel, sin embargo comúnmente
no es así, además es simple de desarrollar y tiene un mejor rendimiento en cuanto a resultados
respecto al Método de la Esquina Noroeste

18
 METODO DE VOGEL

El método de aproximación de Vogel es un método heurístico de resolución de problemas de

transporte capaz de alcanzar una solución básica no artificial de inicio, este modelo requiere de
la realización de un número generalmente mayor de iteraciones que los demás métodos
heurísticos existentes con este fin, sin embargo produce mejores resultados iniciales que los
mismos.

ALGORITMO DE VOGEL

El método consiste en la realización de un algoritmo que consta de 3 pasos fundamentales y 1

más que asegura el ciclo hasta la culminación del método.

PASO 1

Determinar para cada fila y columna una medida de penalización restando los dos costos
menores en filas y columnas.

PASO 2

Escoger la fila o columna con la mayor penalización, es decir que de la resta realizada en el
"Paso 1" se debe escoger el número mayor. En caso de haber empate, se debe escoger
arbitrariamente (a juicio personal).

PASO 3

De la fila o columna de mayor penalización determinada en el paso anterior debemos de escoger

la celda con el menor costo, y en esta asignar la mayor cantidad posible de unidades. Una vez
se realiza este paso una oferta o demanda quedará satisfecha por ende se tachará la fila o
columna, en caso de empate solo se tachará 1, la restante quedará con oferta o demanda igual a
cero (0).

PASO 4: DE CICLO Y EXCEPCIONES

- Si queda sin tachar exactamente una fila o columna con cero oferta o demanda, detenerse.

19
- Si queda sin tachar una fila o columna con oferta o demanda positiva, determine las variables
básicas en la fila o columna con el método de costos mínimos, detenerse.

- Si todas las filas y columnas que no se tacharon tienen cero oferta y demanda, determine las
variables básicas cero por el método del costo mínimo, detenerse.

- Si no se presenta ninguno de los casos anteriores vuelva al paso 1 hasta que las ofertas y las
demandas se hayan agotado.

20
 METODO DEL BANQUILLO

La solución obtenida por los métodos anteriores es la solución inicial del método de banquillo.
La forma de verificar si la solución actual puede mejorarse es examinar las variables no básicas
actuales en busca de mejoras potenciales en el valor de la función objetivo. Si existe una de tales
variables, será la variable que entra en cuyo caso una de las variables b{asicas actuales debe
dejar la solución (como en el método simplex).

A fin de determinar la variable que entra y la que sale, se identifica un circuito cerrado para cada
variable no básica. El circuito comienza y termina con la variable no básica designada. Un
circuito consiste en segmentos horizontales y verticales sucesivos (conectados) cuyos puntos
extremos deben ser variables básicas, excepto para los 2 segmentos de inicio y terminación en
la variable no básica.

El circuito se utiliza para comprobar si el valor de la función objetivo puede mejorarse cuando
la variable no básica se aumenta sobre su valor actual de cero.

El procedimiento consiste en encontrar el aumento o disminución en el costo de transporte como

resultado de aumentar unidades en la variable no básica investigada.

Este valor se encuentra asignando signos positivos y negativos alternos en los costos asociados
a las variables que forman el circuito, empezando con el costo de la variable no básica. La suma
de los costos del circuito puede hacerse en el sentido de las manecillas del reloj o en sentido
contrario.

El resultado obtenido en la suma de los costos del circuito puede ser positivo o negativo. Si es
positivo indica que el asignar unidades a la variable que se está considerando aumenta el costo
total de transporte. Pero si este valor es negativo, la solución puede mejorarse asignado a la
variable no básica el valor más pequeño de las variables que deben reducir su valor en el circuito
que se está considerando.

El procedimiento termina hasta que todas las variables no básicas tienen valor positivo en la
suma de los costos del circuito.

21
Ejemplo:

Encuentre la solución óptima del problema de la compañía de renta de autos utilizando una
solución inicial por el método de costo mínimo y empleando el método de utilización de
banquillo.

22
 CONCLUSIÓN

La interpretación razonable de los resultados obtenidos En muchos casos

la información lograda por la aplicación del análisis de sensibilidad puede ser más importante y
más informativa que simple resultado obtenido en la solución óptima.

23
 BIBLIOGRAFIA
Investigación de operaciones. Aplicaciones y algoritmos.
Wayne L. Winston 4a Edición.
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/problema-del-transporte-o-
distribuci%C3%B3n/

24