UNIDAD 2.
OPTIMIZACIÓN DE REDES
Equipo 2
INTEGRANTES:
Méndez Huerta Saúl Ariel
José Manuel Chamorro Cruz
Luis Angel Roman Cuellar
Danna Paola Reyes Cortez
José Alejandro Hernández
Jerónimo
INTRODUCCION
La mayor parte de los modelos de optimización de redes
son casos particulares de modelos de programación lineal,
estos modelos se aplican en la administración de
problemas de transporte, logística, comunicación y
seguimiento de proyectos de finanzas, recursos humanos o
mercadeo.
DEFINICION
Se trata de resolver problemas complejos de
planificacion y asignacion de recursos en redes
con el fin de maximizar o minimizar alguna
metrica clave, como la eficiencia
GRÁFICA DE RED
Conjunto de nodos unidos por arcos
NODOS
Punto al cual se dirige y del cual salen los
arcos para conformar una red
ARCOS
Línea que une dos nodos en una red
FLUJO
La cantidad de recursos (como datos,
productos o vehículos) que se mueve a lo largo de
las aristas de la red.
CAPACIDAD:
LA CAPACIDAD DE UNA ARISTA ES LA
CANTIDAD MÁXIMA DE FLUJO QUE
PUEDE SOPORTAR SIN
EXCEDERSE.
RED DIRIGIDA
Red Dirigida En una red dirigida, las conexiones entre los nodos tienen una
dirección específica. Esto significa que la relación entre dos nodos puede ser
unidireccional, como en una red de seguidores en redes sociales, donde uno sigue
a otro sin reciprocidad necesaria.
Red No Dirigida:
En una red no dirigida, las conexiones entre los nodos no tienen una dirección
específica.
Red Conexa: Una red se considera conexa si existe al menos un
camino entre cada par de nodos en la red
Red Disconexa: Una red disconexa es aquella en la que algunos nodos o
componentes no están conectados con otros
BENEFICIOS
Pueden resolverse muy rápidamente. Esto permite que los modelos de
redes sean usados en muchas aplicaciones (tal como la toma de decisión en
tiempo real) para lo cual la programación lineal no es lo ideal.
Requieren en forma natural de soluciones enteras. Al reconocer que un
problema puede formularse como algún modelo de red nos permitirá
resolver tipos especiales de problemas de programación entera
aumentando la eficiencia y reduciendo el tiempo consumido por los
algoritmos clásicos de programación lineal.
. Son intuitivos. Los modelos de redes proveen un lenguaje para tratar los
problemas, mucho más intuitivo.
ALGORITMOS
Los algoritmos de optimización de redes son procedimientos
matemáticos y computacionales diseñados para resolver
problemas complejos que involucran la gestión y el análisis de
redes. Estos algoritmos permiten encontrar soluciones
eficientes en diversas aplicaciones, como transporte,
telecomunicaciones, y gestión de recursos.
¿EN DONDE SE PUEDE APLICAR?
La optimización de redes es fundamental en múltiples sectores, mejorando la eficiencia
operativa y reduciendo costos en diversas actividades empresariales y técnicas.
1. Transporte y Logística
2. Redes de Telecomunicaciones
3. Gestión de Proyectos
4. Energía y Recursos Naturales
5. Producción y Operaciones
DIJKSTRA
DEFINICION
También llamado algoritmo de caminos mínimos,
es un algoritmo para la determinación del camino
más corto dado un vértice origen al resto de los
vértices en un grafo con pesos en cada arista.
OBJETIVO
Sirve para determinar el camino más corto para
ejecutar desde un vértice origen hasta el resto de
los vértices ubicados en un grafo con pesos en cada
arista.
Ventajas y desventajas del algoritmo de Dijkstra
1. Una ventaja principal de utilizar el algoritmo de Dijkstra es que tiene una complejidad temporal
y espacial casi lineal.
2. Podemos usar este algoritmo para calcular la ruta más corta desde un único vértice a todos los
demás vértices y desde un único vértice de origen a un único vértice de destino deteniendo el
algoritmo una vez que obtengamos la distancia más corta para el vértice de destino.
3. Este algoritmo solo funciona para gráficos ponderados dirigidos y todos los bordes de este
gráfico deben ser no negativos.
A pesar de tener múltiples ventajas, el algoritmo de Dijkstra
también tiene algunas desventajas, como por ejemplo:
El algoritmo de Dijkstra realiza una exploración oculta que utiliza mucho tiempo durante el
proceso.
Este algoritmo es impotente para manejar bordes negativos.
Dado que este algoritmo se dirige al gráfico acíclico, no puede calcular exactamente el camino
más corto.
También requiere mantenimiento para llevar un registro de los vértices que se han visitado.
EJEMPLO
EJEMPLO
Ejemplo
EJEMPLO
EJEMPLO
EJEMPLO
Ejemplo
TAREA
UN ROBOT SE MUEVE EN EL SIGUIENTE ENTORNO. COMIENZA DESDE EL NODO ETIQUETADO COMIENZO Y NECESITA LLEGAR AL
NODO ETIQUETADO FIN. EL ENTORNO ES CONTINUO Y LA ESCALA SE SUMINISTRA EN LA FIGURA. TENIENDO EN CUENTA QUE EL
ROBOT ES UN PUNTO, ¿CUÁL ES EL CAMINO MÁS CORTO DE PRINCIPIO A FIN?
LOS NODOS SON LUGARES Y LOS ENLACES REPRESENTAN COSTOS PARA ENVIAR ENERGÍA DE UN
LUGAR A OTRO:¿CÓMO ENCONTRAR UNA RUTA MÍNIMA DE A A F? RESUÉLVELO.
CALCULE LA RUTA MÁS CORTA DESDE S A TODOS LOS DEMÁS VÉRTICES UTILIZANDO EL
ALGORITMO DE DIJKSTRA. DETERMINE EL ÁRBOL DEL CAMINO MÁS CORTO.
FLOYD-
WARSHALL
DEFINICIÓN
El algoritmo de Floyd-Warshall encuentra la
distancia más corta entre todos los pares de
vértices en un grafo dirigido ponderado. Es decir,
calcula la distancia mínima para ir de cualquier
vértice a cualquier otro, sin importar el orden en
que se visiten los vértices intermedios. No importa
si los valores son negativos
CARACTERÍSTICAS CLAVE
Grafos ponderados: Funciona con grafos donde cada arista tiene un peso (por
ejemplo, la distancia entre dos ciudades).
Todos los pares de vértices: Calcula el camino más corto para todas las posibles
combinaciones de vértices en una sola ejecución.
Ciclos negativos: Puede detectar si el grafo contiene ciclos negativos (rutas que
terminan en el punto de partida y tienen un peso total negativo).
Programación dinámica: Utiliza una técnica de resolución de problemas que
descompone un problema en subproblemas más pequeños y los resuelve de forma
óptima.
El algoritmo funciona de la siguiente manera:
Inicializa una matriz de distancias dist donde dist[i][j] representa la distancia
más corta entre los vértices i y j. Inicializa todos los elementos de la matriz con
el valor infinito, excepto los elementos diagonales que se inicializan con 0.
Itera sobre todos los vértices k del grafo.
Para cada par de vértices i y j, verifica si la distancia entre i y j a través del
vértice k es menor que la distancia actual entre i y j. Si es así, actualiza la
distancia entre i y j con la distancia más corta.
Después de iterar sobre todos los vértices, la matriz dist contendrá las
distancias más cortas entre todos los pares de vértices.
EJEMPLO
TAREA
EJERCICIO 1
EJERCICIO 2
Obtener el recorrido mínimo entre los vértices del grafo.
EJERCICIO 3
Obtener el recorrido mínimo entre los vértices del grafo.
ARBOL DE
EXPANSIÓN
MINIMA
DEFINICION
Un árbol de expansión mínimo Es aquel que comienza desde un
(MST) es un subconjunto de los vértice y encuentra todos sus
bordes de un gráfico no dirigido, nodos accesibles y las relaciones
ponderado y conectado, que en conjunto que permiten que se
conecta todos los vértices sin conecten dichos nodos con el
ciclos y con el menor peso total menor peso posible.
de borde posible
OBJETIVO
El objetivo principal de un árbol de expansión
mínima es minimizar el costo total de conectar
todos los nodos de un grafo, lo que es útil en
problemas de diseño de redes, como sistemas
eléctricos, redes de telecomunicaciones, y
optimización de rutas.
METODO PRIM
El algoritmo de Prim es uno de los algoritmos más utilizados para
encontrar el árbol de expansión mínima de un grafo.
Este algoritmo sigue un enfoque "greedy" o voraz, donde en cada paso se
selecciona la arista de menor peso que conecta un nodo dentro del árbol
con uno fuera de él.
PASOS A SEGUIR:
1. Inicialización: Selecciona un nodo inicial arbitrario del grafo para
comenzar.
2. Construcción del árbol: Se agregan iterativamente las aristas de
menor peso que conectan los nodos que ya están en el árbol con los
que aún no están.
3. Actualización: Cada vez que se agrega un nuevo nodo al árbol, se
actualizan las aristas candidatas para asegurar que se seleccione la
de menor peso en la siguiente iteración.
4. Finalización: El algoritmo termina cuando todos los nodos del grafo
están incluidos en el árbol de expansión.
EJERCICIO
Supongamos que tienes el siguiente grafo no dirigido y ponderado que representa ciudades y
las distancias (en kilómetros) entre ellas. Debemos encontrar el árbol de expansión mínima
que conecta todas las ciudades con el menor costo (distancia mínima).
Grafo:
Los nodos representan las ciudades A,B,C,D,E y las aristas los caminos entre ellas con sus
respectivos pesos (distancias).
PASO 1:
INICIALIZACIÓN
Supongamos que comenzamos con el
nodo A
PASO 2: SELECCIÓN DE LA
ARISTA DE MENOR COSTO
Desde el nodo A, observamos las aristas que lo conectan con otros nodos. Las
distancias son:
A→B= 4
A→C= 6
A→E= ?
La arista con el menor costo es A→B= 4
Agregamos B al árbol.
El conjunto de nodos conectados
ahora es T=(A,B)
PASO 3: ACTUALIZACIÓN
Ahora los nodos conectados son A y B. Buscamos la arista de
menor costo que conecte los nodos dentro del árbol con los que
están fuera.
Desde A, ya revisamos las aristas.
Desde B:
B→C=5
B→D=3
a arista de menor costo es B→D=3. Agregamos D
al árbol.
El conjunto de nodos conectados ahora es T=
{A,B,D}
ASO 4: CONSTRUCCIÓN DEL
ÁRBOL
Evaluamos las aristas que conectan A,B,D con los otros
nodos fuera del árbol
Desde A, ya están revisadas.
Desde B, ya están revisadas.
Desde D:
D→C=1
D→E=2
La arista de menor peso es D→C=1.
Agregamos C al árbol.
El conjunto de nodos conectados
ahora es T=(A,B,D,C)
PASO 5: ACTUALIZACIÓN
Finalmente, evaluamos las aristas que conectan
los nodos A,B,D,C con E
Desde D:
D→E=2
La única opción es D→E=2 Agregamos
esta arista al árbol.
El conjunto de nodos conectados es T=
{A,B,D,C,E}, lo que significa que todos
los nodos están en el árbol.
PASO 6: RESULTADO
FINALIZACIÓN FINAL:
Hemos conectado todos los nodos con las
aristas de menor peso.
Las aristas seleccionadas son
El árbol de expansión mínima
A→B=4 tiene un costo total de
B→D=3 4+3+1+2=10 kilómetros.
D→C=1
D→E=2
