Академический Документы
Профессиональный Документы
Культура Документы
CAIIOAJ )
MANUAL DE INVESTIGACIN
DE OPERACIONES II
CATEDRTICO:
m. c. RAL LEONEL GUZMN SAMPAYO.
REALIADO POR:
CASTRO OCHOA AGUSTIN.
ELIZALDE RAMIREZ FERNANDO.
RODRIGUEZ MARTINEZ JOAQUIN C.
SONI SANTOS IRIS ABRIL.
ESPECIALIDAD:
INGENIERA INDUSTRIAL
PERIODO:
AGOSTO-DICIEMBRE 2008
CERRO AZUL, VER.
NDICE
UNIDAD
I:
PROGR
AMACI
N
DINMI
CA
1.1
Caracter
sticas de
la
program
acin
dinmica
: etapas,
estados,
frmula
recursiva
,
program
acin en
avance y
retroceso
.. ....
...............
......4
1.2
Algunos
modelos
de
ejemplos
de
Program
acin
Dinmica
...6
1.3
Program
acin
dinmica
determin
stica
..7
1.4
Program
acin
dinmica
probabil
stica
.
..8
1.5
Problem
a de
dimensio
nalidad
de
Program
acin
Dinmica
8
Ejercicio
s
resueltos
..
..10
Ejercicio
s
propuest
os
..21
UNIDAD
II:
TEORA
DE
COLAS
2.1
Introducc
in y
casos de
aplicaci
n
24
2.2
Definicio
nes
caracter
sticas y
suposicio
nes
.2
4
2.3
Terminol
oga y
notacin.
..
..26
2.4
Proceso
de
nacimien
to y
muerte
Modelos
Poisson.
....
27
2.5 Un
servidor,
fuente
finita,
cola
finita.
28
2.6 Un
servidor,
cola
infinita,
fuente
infinita
.30
2.7
Servidor
es
mltiples
, cola
infinita,
fuente
infinita.
32
2.8
Servidor
es
mltiples
, cola
finita,
fuente
finita.
..
34
Ejercicio
s
resueltos
..36
Ejercicio
s
propuest
os
..40
UNIDAD
III:
TEORA
DE
DECISI
N
3.1
Caracter
sticas
generale
s de la
teora de
decision
es.
..43
3.2
Criterios
de
decisin
determin
sticos y
probabil
sticos
..4
4
3.3 Valor
de la
informaci
n
perfecta.
..45
3.4
rboles
de
decisin.
...46
3.5
Teora de
dualidad.
.
47
3.6
Decision
es
secuenci
ales.
.
..49
3.7
Anlisis
de
sensibilid
ad.
...
..49
Ejercicio
s
resueltos
..51
Ejercicio
s
propuest
os
..55
UNIDAD
IV:
CADEN
AS DE
MARKO
V
4.1
Introducc
in.
.58
4.2
Formulac
in de
las
cadenas
de
Markov.
.58
UNIDAD I:
PROGR
AMACI
1.1
N
PROGRAMACIN DINMICA
DINMI
CA
CA
RA P
CT DL R D
ER EOO E
STI SB
CA LE
S
M
A
S
:
ETAPAS,
ESTADOS
,
FRMUL
A
RECURSI
VA,
PROGRA
MACIN
EN
AVANCE
Y EN
RETROC
ESO
La
programaci
n dinmica
es una
tcnica
matemtica
que se
utiliza para
la solucin
de
problemas
matemticos
seleccionad
os, en los
cuales se
toma
una serie de
decisiones
en forma
secuencial.
Proporciona
un
procedimien
to
sistemtico
para
encontrar la
combinaci
n
de
decisiones
que
maximice la
efectividad
total, al
descompon
er el
problema en
etapas, las
que pueden
ser
completadas
por una o
ms formas
(estados), y
enlazando
cada etapa
a travs de
clculos
recursivos.
La
programaci
n dinmica
es un
enfoque
general
para la
solucin de
problemas
en los que
es
necesario
tomar
decisiones
en etapas
sucesivas.
Las
decisiones
tomadas en
una etapa
condicionan
la evolucin
futura del
sistema,
afectando a
las
situaciones
en las que
el sistema
se
encontrar
en el futuro
(denominad
as estados),
y a las
decisiones
que se
plantearn
en el futuro.
La
programaci
n dinmica
parte de
una
pequea
porcin del
problema y
llega a la
solucin
ptima para
esa
pequea
parte del
problema,
entonces
gradualmen
te se
agranda el
problema
hallando la
solucin
ptima en
curso a
partir de la
anterior.
Este
proceso se
repite
hasta
obtener la
solucin
ptima
del
problema
original.
El
problema
de la
diligencia
es un
prototipo
literal de
los
problemas
de
programaci
n
dinmica.
Por tanto
una manera
de
reconocer
una
situacin
que
se puede
formular
como un
problema
de
programaci
n dinmica
es poder
identificar
una
estructura
anloga a la
del
problema de
la diligencia.
Caractersti
cas
bsicas.
1.- El
problema
se puede
dividir en
etapas que
requieren
una poltica
de
decisin en
cada una de
ellas.
2.- Cada
etapa tiene
cierto
nmero de
estados
asociados
con su
inicio. Los
estados son
las distintas
condiciones
posibles en
las que se
puede
encontrar el
sistema en
cada etapa
del
problema.
3.- El efecto
de la
poltica de
decisin en
cada etapa
es
transformar
el estado
actual en un
estado
asociado
con el inicio
de la
siguiente
etapa.
4.- El
procedimien
to de
solucin
est
diseado
para
encontrar
una poltica
ptima para
el problema
completo.
5.- Dado el estado actual, una poltica ptima para las etapas restantes es
independiente de la poltica adoptada en etapas anteriores. Este es el principio
de optimalidad para programacin dinmica.
6.- El procedimiento de solucin se inicia al encontrar la poltica ptima para la
ltima etapa.
7.- Se dispone de una relacin recursiva que identifica la poltica ptima para la
etapa n, dada la poltica ptima para la etapa n+1. La forma precisa de relacin
recursiva difiere de un problema a otro de programacin dinmica, pero
usaremos una notacin anloga a la siguiente:
N = nmero de etapas.
n = etiqueta para la etapa actual ( n = 1,2,...,N)
sn = estado actual para la etapa n
xn = variable de decisin para la etapa n
xn* = valor ptimo de xn (dado sn)
fn(sn,xn) = contribucin a la funcin objetivo de las etapas n, n+1,...,N, si el
sistema se encuentra en el estado sn en la etapa n, la decisin inmediata es xn
y en adelante se toman decisiones ptimas. fn*(sn) = fn(sn,xn*) La relacin
recursiva siempre tendr la forma: fn*(sn) = mn fn(sn,xn) fn*(sn) = max
fn(sn,xn)
8.- Cuando se usa esta relacin recursiva, el procedimiento de solucin
comienza al final y se mueve hacia atrs etapa por etapa, hasta que encuentra
la poltica ptima desde la etapa inicial.
Procedimiento de solucin.
1. Se construye una relacin recursiva que identifica la poltica ptima para
cada estado en la etapa n, dada la solucin ptima para cada estado en la
etapa n + l.
2. Se encuentra la decisin ptima en la ltima etapa de acuerdo a la poltica
de decisin establecida. Comnmente la solucin de esta ltima etapa es
trivial, es decir, sin ningn mtodo establecido, tomando en cuenta solamente
la "contribucin" de la ltima etapa.
3. La idea bsica detrs de la relacin recursiva es trabajar "hacia atrs",
preguntndose en cada etapa: qu efecto total tendra en el problema si tomo
una decisin particular en esta etapa y acto ptimamente en todas las etapas
siguientes?
\
A
B C D
4 3
- y 1
E
B
C
D
-\V
E
4
3
4
G
6
4
E
F
1
6
4
3
3
H
I
El problema de la mochila.
Sean n objetos no
fraccionables de pesos pi y
beneficios bi. El peso
mximo que puede llevar la
mochila es C. Queremos
llenar la mochila con
objetos,
tal que se maximice
Ver
el beneficio.
1.3 PROGRAMACIN
DINMSIC
n A
DETERMINSTICA
n
n
n
Losn problemas
determinsticos de
programacin dinmica son
aquellos en
los cuales el estado
asociado en
la
etapa
siguiente est
totalmente
determinado por el estado y
la poltica de decisin de la
etapa actual. La
siguiente figura describe el
funcionamiento
de
la
programacin
dinmica
determinstica.
Sn +1
f n+1* (Sn+1* )
7
Contribucin al objetivo
f (S ,X )
C (X )
Los problemas de
programacin dinmica
determinstica son aqullos
en
los que el estado en la etapa
siguiente queda
completamente determinado
por
el estado y la poltica en la
etapa actual.
Una manera de
catalogar los problemas de
programacin dinmica
determinstica es por la
forma de la funcin objetivo.
Por ejemplo, el objetivo
podra ser minimizar la
suma de contribuciones de
las etapas individuales, o
bien minimizar un producto
de tales trminos y as
sucesivamente. En un
problema de programacin
dinmica, las temporadas
deben ser las etapas.
EN PROGRAMACIN
DINMICA
La programacin dinmica tradicional permite obtener las
trayectorias
ptimas de control para procesos no lineales, variantes, con
cualquier tipo de
funcional o ndice de desempeo y con restricciones en las
variables. Los
algoritmos pueden ser programados en cualquier sistema de
cmputo
digital
tradicionales
de programacin dinmica
ampliamente disponibles en la actualidad. La aplicacin de
estos algoritmos a
sistemas
continuos
dimensionalidad
exige la discretizacin de las ecuaciones
diferenciales que
programacin dinmica
modelan el proceso o sistema, as como la cuantificacin de
las variables de
estado, de las variables de decisin o control y del tiempo.
Para obtener resultados tiles se debe construir una rejilla de
estados
suficientemente fina. En cada punto de la rejilla, en cada etapa
de tiempo, se
memoria,
promovieron
el
inters de
muchos
investigadores
por encontrar
mtodos
alternativos
para superar
los problemas
que presenta la
tcnica
tradicional
EJERCICIOS RESUELTOS
Ejercicio # 1
Considere la siguiente red
en la que cada nmero junto a
una ligadura
representa la distancia real entre
el par de nodos que conecta. El
objetivo es
encontrar la ruta mas corta del
origen al destino.
l
Utilice programacin
dinmica para resolver este
problema construyendo
manualmente las tablas usuales
para n=3, n=2 y n=1.
f*i(A>=l
n=3
S3
f3*(s) X3*
fi(C)=1 6
D
T
D
7
T
Solucin:
n=2
sx2
A
B
C
f2*(s)
11
13
13
X2*
D
D
E
n=1
sx1
D
O
5+6=11
7+6=13
----------
f1(s)
19
X1*
B
10
E
----------
8+7015
6+7=13
A
9+11=20
B
6+13=19
Ruta: 0BDT
C
7+13=20
Ejercicio # 2
Una
compaa esta
planeando
una estrategia
de publicidad
durante el
ao prximo
para sus 3
productos
mas
importantes.
Como los 3
son bastante
diferentes,
cada esfuerzo
de publicidad
estar
dedicado a un
solo producto.
Se
dispone de un
total de 6
millones de
dlares para
esta campaa
de publicidad
y
se supone
que el gasto
para cada
producto
deber ser un
nmero
entero
mayor o igual
a uno. El
vicepresidente
Solucin:
de
mercadotecnia
ha establecido
n=3
el
objetivo como
f3*(s) X3*
S
3
sigue:
6
1
1
determinar
2
9
2
cuanto gastar
3
13
3
en cada
4
15con 4
producto
el fin de
maximizar las
ventas totales.
La siguiente
tabla da un
incremento
estimado en
7
10
14
17
4
8
11
14
6
9
13
15
11
o
d
Utilice
programacin
dinmica para
resolver este
problema.
n=2
X2 = 1
X2 = 1
X2 = 2
X2 = 1
X2 = 2
X2 = 3
12
X2 = 1
X2 = 2
X2 = 3
X2 = 4
S2
1
2
3
4
1
10
13
17
19
2
14
17
21
17
20
= 19
= 21
= 20
= 20
f2*(s2)
X2*
20
10
14
17
21
1
2
1,2,3
2
n=1
X1 = 1
X1 = 2
X1 = 3
X1 = 4
S2
6
= 28
= 27
= 28
= 27
f2*(s2)
X2*
28
27
28
27
28
1,3
123 = 7+8+13 = 28
321 = 14+8+6 = 28
13
Ejercicio # 3
El
World Health
Council, se
dedica a
mejorar la
atencin
mdica en los
pases
subdesarrollad
os del
mundo.
Dispone de 5
brigadas
mdicas para
asignarlas a 3
de estos
pases con el
fin de mejora
el cuidado de
la salud, la
educacin
para la salud
y los
programas de
capacitacin,
entones, el
consejo
necesita
determinar
cuantas
brigadas debe
asignar (si lo
hace) a cada
uno de
estos pases
para
maximizar la
medida de
eficiencia de
las 5
brigadas. Los
equipos
deben
mantenerse
como
estn
formados
por
lo
que
el
nmero
asignado a
cada pas
14
debe ser un
entero.
La
medida de
desempeo
se tomara en
trminos de
los aos de
vida
adicionales
por persona
(para una
pas
especifico,
esta medida
es igual al
incremento en
el promedio
de vida
esperado en
aos,
multiplicado
por su
poblacin). En
la tabla
siguiente se
dan las
estimaciones
de estos aos
de vida
adicionales de
vida por
persona (en
mltiplos de
mil) para cada
pas y para
cada nmero
posible de
brigadas
mdicas
asignadas.
Cual es la
asignacin
que maximiza
la medida de
desempeo?
Brig 1
ada
s
Me
dica
s
0
4
1
Pa
s2
0
20
45
75
110
150
Solucin:
n=3
S3
0
1
2
3
4
5
f3*(s3)
0
50
70
80
100
130
X3*
0
1
2
3
4
5
n=2
X2 = 0
f2(0,0) =
P2(0) +
f3*(0-0) =
0+0 = 0
X2 = 0
f2(1,0) =
P2(0) +
f3*(1-0) =
15
0+50 = 50
X2 = 1
f2(1,1) =
P2(1) +
f3*(1-1) =
20+0 = 20
X2 = 0
X2 = 1
X2 = 2
X2 = 0
X2 = 1
X2 = 2
X2 = 3
= 80
= 90
= 95
= 75
X2 = 0
X2 = 1
X2 = 2
X2 = 3
X2 = 4
= 100
= 100
= 115
= 125
= 110
X2 = 0
X2 = 1
120
X2 = 2
X2 = 3
X2 = 4
X2 = 5
S2
0
1
2
3
4
5
0
50
70
80
100
130
20
70
90
100
120
45
95
115
125
75
125
145
110
160
f2*(s2) X2*
150
0
50
70
95
125
160
0
0
0,1
2
3
4
n=1
X2 = 0
160
X2 = 1
170
X2 = 2
165
X2 = 3
160
X2 = 4
155
X2 = 5
120
=
16
X2
S2
5
f2*(s2) X2*
160
170
165
160
155
120
170
131 = 45+75+50=170
Ejercicio # 4
Una estudiante
universitaria tiene 7 das
para preparar los
exmenes
finales de 4 cursos y
quiere asignar el tiempo
que tiene para estudiar de
la
manera ms eficiente
posible. Necesita por lo
menos un da para cada
curso y
quiere concentrarse solo en
un curso cada da, por lo
que quiere asignar 1, 2, 3
4 das a cada3 curso.
Como hace poco
5 tom un
curso de investigacin
de
6
operaciones, ha7 decidido
aplicar
programacin dinmica
para hacer estas
asignaciones que
maximicen el total de
puntos obtenidos en los 4
cursos.
Estima que las distintas
opciones de das de
estudio redituarn puntos
de
calificacin segn la
siguiente tabla:
Puntos de calificacin
estimados
N 3
C
mer4
o
Da
s
1
2
C
u
r
s
o
3
5
5
6
9
2
4
7
8
6
7
9
9
17
Cur
so
4
n=4
S4
1
2
3
4
F4*(s4)
6
7
9
9
X4*
1
2
3
4
n=3
X3 = 1
f3(3,1) =
P3(1) +
f4*(3-1)
=2+6
= 8
S3
1
2
3
4
n=2
X3 = 1
f3(4,1) =
P3(1) +
f4*(4-1)
= 2+7
=9
X3 = 2
f3(4,2) =
PX33(2) + 1
f4*(4-2)
= 4+6
8
= 10
9
11
X3 = 1 11
f3(5,1) =
P3(1) +
f4*(5-1)
= 2+9
= 11
X3 = 2
f3(5,2) =
P3(2) +
f4*(5-2)
= 4+7
= 11
X3 = 3
f3(5,3) =
P3(3) +
f4*(5-3)
= 7+6
= 13
X3 = 1
f3(6,1) =
P3(1) +
f4*(6-1)
= 2+9
= 11
2
10
11
13
13
14
14
X3*
8
10
13
14
1
2
2
3,4
18
X3 = 2
f3(6,2) =
P3(2) +
f4*(6-2)
= 4+9
= 13
X3 = 3
f3(6,3) =
P3(3) +
f4*(6-3)
= 7+7
= 14
X3 = 4
f3(6,4) =
P3(4) +
f4*(6-4)
= 8+6
= 14
F3*(s3)
X2 = 1
f2(3,1) =
P2(1) +
f3*(3-1)
=5+8
= 13
X2 = 1
f2(4,1) =
P2(1) +
f2*(4-1)
= 5+10
= 15
X2 = 2
f2(4,2) =
P2(2) +
f2*(4-2)
= 5+8
= 13
X2 = 1
f2(5,1) =
P2(1) +
f3*(5-1)
= 5+13
= 18
X2 = 2
f2(5,2) =
P2(2) +
f3*(5-2)
= 5+10
= 15
X2 = 3
f2(5,3) =
P2(3) +
f3*(5-3)
= 6+8
= 14
X2 = 1
f2(6,1) =
P2(1) +
f3*(6-1)
= 5+14
= 19
X2 = 2
f2(6,2) =
P2(2) +
f3*(6-2)
= 5+13
= 18
X2 = 3
f2(6,3) =
P2(3) +
f3*(6-3)
= 6+10
= 16
X2 = 4
f2(6,4) =
P2(4) +
f3*(6-4)
= 9+8
= 17
X2
S2
1
2
3
4
1
13
15
18
19
13
15
18
14
16
F3*(s3) X3*
17
13
15
18
19
X2
22
23
21
20
S2
1
1
1
1
X1 = 1
f2(7,1) =
P1(1) +
f2*(7-1)
= 3+19
= 22
X3*
X2 = 2
f23
2(7,2) = 2
P1(2) +
f2*(7-2)
= 5+18
= 23
X3 = 3
f2(7,3) =
P1(3) +
f2*(7-3)
= 6+15
= 21
X4 = 4
f2(7,4) =
P1(4) +
f2*(7-4)
= 7+13
= 20
F3*(s3)
21
31
=5+5+7
+6=23
Ejercici
o#5
Una
compa
a est
a punto
de
introdu
cir un
nuevo
19
product
o al
mercad
o
muy
competi
do y
est
planean
do su
estrate
gia de
comerci
alizaci
n. Ha
tomado
la
decisi
n de
introduc
ir el
product
o en 3
fases.
La fase
1
incluir
ofertas
especial
es de
introduc
cin a
un
precio
muy
reducid
o para
atraer a
los
compra
dores
de
primera
vez.
La fase
2
compre
nder
una
campa
a
intensa
de
comerci
ales y
anuncio
s
para
persua
dir a
estos
compra
dores
de
primera
vez,
que
contin
en
compra
ndo
el
product
oa
precio
normal.
Se
sabe
que
otra
compa
a
introdu
cir
otro
nuevo
product
o
competi
tivo
ms o
menos
cuando
termine
la fase
2.
La fase
3
entonc
es,
incluir
una
campa
a de
seguimi
ento de
promoc
in
para
tratar
de
evitar
que los
clientes
regular
es
cambie
n al
product
o de la
compet
encia.
Se
cuenta
con un
presup
uesto
total de
$4
millone
s de
dlares
para
esta
campa
a
comerci
al. El
problem
a
consiste
ahora
en
determi
nar
como
asignar
este
dinero
de la
manera
ms
efectiva
a las 3
fases.
Sean m
el
porcent
aje de
mercad
o inicial
que se
logra
en las
fases, f2
la
fraccin
de este
mercad
o que
se
retiene
en la
fase 2 y
f3 la
fraccin
restant
e del
porcent
aje de
mercad
o que
se
retiene
en la
fase 3.
Con los
datos
de la
siguient
e
figura,
aplique
progra
macin
dinmic
a para
determi
nar
cmo
asignar
los $ 4
millone
s de
dlares
para
maximiz
ar el
porcent
aje final
del
mercad
o para
el
nuevo
product
o, es
decir,
maximi
zar
m+ff+ff.
Supong
a que el
dinero
se debe
gastar
en
cantida
des
enteras
mltiplo
s de 1
milln
en
cada
fase y
que el
mnimo
permisi
ble es 1
para la
fase
1y0
para las
fases 2
y 3.
n=3
S3
0
1
2
3
F3*(s3)
0.3
0.5
0.6
0.7
X3*
0
1
2
3
X2 = 0
f2(1,0) =
P3(0) +
f3*(1-0)
=
0.2*0.5
= 0.1
X2 = 1
f2(1,1) =
P3(1) +
f3*(1-1)
=
0.4*0.3
= 0.12
S2
0
1
3
3
X2
0
X2 = 0
f2(2,0) =
0.6
P3(0) +
0.1
f3*(2-0)
0.12
=
0.2*0.6 0.14
= 0.12
X2 = 1
f2(2,1) =
P3(1) +
f3*(2-1)
=
0.4*0.5
= 0.2
X2 = 2
f2(2,2) =
P3(2) +
0.12
0.2
0.24
0.15
0.25
0.18
X2*
0.2
0.12
0.2
0.250
0
1
1
2
20
f3*(2-2)
=
0.5*0.3
= 0.15
X2 = 0
f2(3,0) =
P3(0) +
f3*(3-0)
=
0.2*0.7
= 0.14
X2 = 1
f2(3,1) =
P3(1) +
f3*(3-1)
=
0.4*0.6
= 0.24
X2 = 2
f2(3,2) =
P3(2) +
f3*(3-2)
=
0.5*0.5
= 0.25
X2 = 3
f2(3,3) =
P3(3) +
f3*(3-3)
=
0.6*0.3
= 0.18
F2*(s2)
X1 = 0
f1(4,0) =
P3(0) +
f2*(4-0)
=
20*0.25
=5
X1 = 1
f1(4,1) =
P3(1) +
f2*(4-1)
=
30*0.2
=6
X1 = 2
f1(4,2) =
P3(2) +
f2*(4-2)
=
40*0.12
= 4.8
X1 = 3
f1(4,3) =
P3(3) +
f2*(4-3)
=
50*0.2
= 10
X2
F3*(s3) X3*
4.8
10
10
S2
a
a
a
3
millone
s en la
1 fase
1
millone
s en la
2 fase
0
millone
s en la
3 fase
EJER
CICIO
S
PROP
UEST
OS
Ejercici
o
Propue
sto # 1
El
gerente
de
ventas
de una
editorial
de
libros
de
texto
universit
arios
tiene
seis
agentes
de
ventas
que
puede
asignar
a tres
regione
21
s
distinta
s del
pas.
Ha
decidid
o que
cada
regin
debe
tener
por lo
menos
un
agente
y que
cada
agente
individu
al debe
quedar
restring
ido a
una de
estas
regione
s con el
fin de
maximi
zar las
ventas.
La
siguient
e tabla
da el
increme
nto
estimad
o en las
ventas
de cada
regin
si se le
asignan
diferent
es
cantida
des de
agentes
.
A
2
4
4
7
Ejercici
o
Propue
sto # 2
Una
campa
a
poltica
se
encuent
ra en
su
ltima
etapa y
las
prelimin
ares
indican
que la
eleccin
est
pareja.
Uno de
los
candida
tos
tiene
suficient
es
fondos
para
compra
r
tiempo
de TV
por un
total de
5
comerci
ales en
horas
de
mayor
audienc
ia en
estacio
nes
localiza
das en
4 reas
diferent
es. Con
base
en
la
informa
cin de
las
prelimin
ares se
hizo
una
estimac
in del
nmero
de
votos
adicion
ales
que se
pueden
ganar
en las
diferent
es
reas
de
difusin
segn
el
nmero
de
comerci
ales
que se
contrate
n.
Estas
estimaci
ones
se dan
en la
siguient
e tabla
en
miles
de
votos.
C
1
3
3
1
Ejercicio Propuesto # 3
El propietario de una cadena de tres supermercados compr 5 cargas de
fresas frescas. La distribucin de probabilidad estimada para las ventas
potenciales de las fresas antes de que se echen a perder difiere entre los 3
supermercados. El propietario quiere saber como debe asignar las 5 cargas a
las tiendas para maximizar la ganancia esperada. Por razones administrativas
no quiere dividir las cargas entre las tiendas. Sin embargo, esta de acuerdo en
asignar cero cargas a cualquiera de ellas. La siguiente tabla proporciona la
ganancia estimada en cada tienda al asignar distintas cantidades de cargas:
Numero de cargas
0
1
2
3
4
5
Tienda 1
0
5
9
14
17
21
Tienda 2
0
6
11
15
19
22
Tienda 3
0
4
9
13
18
20
Ejercicio Propuesto # 4
La presidenta de un partido poltico en un estado est haciendo planes
para las prximas elecciones presidenciales. Cuenta con la colaboracin de 6
voluntarios para trabajar en los distritos electorales y los quiere asignar a 4
distritos de manera que se maximice su efectividad. Ella piensa que sera
ineficiente asignar un voluntario a ms de un distrito pero est dispuesta a no
asignar a nadie a cualquiera de ellos si pueden lograr ms en otro distrito. La
siguiente tabla da el aumento estimado en el nmero de votos para el
candidato del partido en cada distrito si se asignan distintos nmeros de
voluntarios:
Voluntarios
0
1
2
3
4
5
6
Distrito 1
0
4
9
15
18
22
24
Distrito 2
0
7
11
16
18
20
21
Distrito 3
0
5
10
15
18
21
22
Distrito 4
0
6
11
14
16
17
18
22
Ejercicio Propuesto # 5
Considere la siguiente red de proyecto para un sistema tipo PERT,
donde el nmero junto al arco es el tiempo requerido para la actividad
correspondiente. Considere el problema de encontrar la trayectoria ms grande
(el mayor tiempo total) a travs de esta red desde el vento uno (inicio del
proyecto) al evento 9 (terminacin del proyecto), ya que la trayectoria ms larga
es la ruta crtica.
a) Cules son las etapas y los estados para la formulacin de
programacin dinmica de este problema?
b) Utilice programacin dinmica para resolver este problema construyendo
las tablas usuales.
23
UNIDAD II:
TEORA
DE
COLAS
2.1
INTRODU
CCIN Y
CASOS
DE
APLICACI
N.
Las lneas
de espera,
filas de
espera o
colas, son
realidades
cotidianas:
Personas
esperando
para realizar
sus
transaccione
s ante una
caja en un
banco,
Estudiantes
esperando
por
obtener
copias en
la
fotocopiador
a,
vehculos
esperando
pagar ante
una estacin
de peaje o
continuar su
sistema
camino, desde una determinada
ante un
semforo en
rojo,
Mquinas
daadas a la
espera de
24
ser
rehabilitadas
.
Los
anlisis de
colas
ayudan a
entender el
comportamie
nto de estos
sistemas de
servicio (la
atencin de
las cajeras
de un
banco,
actividades
de
mantenimient
o y
reparacin
de
maquinaria,
el control de
las
operaciones
en
planta, etc.).
Desde la
perspectiva
de la
Investigaci
n de
Operaciones
, los
pacientes
que esperan
ser
atendidos
por el
odontlogo o
las prensas
daadas
esperando
reparacin,
tienen
mucho en
comn.
Ambos
(gente y
mquinas)
requieren de
recursos
humanos y
recursos
materiales
como
equipos
para que se
los cure o
se los haga
funcionar
nuevamente.
2.2
DEFINICI
ONES
CARACTE
RSTICAS
Y
SUPOSICI
ONES.
Una
cola es una
lnea de
espera y la
teora de
colas es una
coleccin de
modelos
matemticos
que
describen
sistemas de
lnea de
espera
particulares
o
sistemas de
colas. Los
modelos
sirven para
encontrar un
buen
compromiso
entre costes
del sistema
y los
tiempos
promedio de
la lnea de
espera para
un
sistema
dado.
Los
sistemas de
colas son
modelos de
sistemas
que
proporciona
n
servicio.
Como
modelo,
pueden
representar
cualquier
sistema en
donde los
trabajos o
clientes
llegan
buscando
un servicio
de algn
tipo y salen
despus
de que
dicho
servicio
haya sido
atendido.
Podemos
modelar los
sistemas de
este tipo
tanto
como
colas
sencillas
o
como
un
sistema
de
colas
interconecta
das
formando
una red de
colas
La
teora de
colas es el
estudio
matemtico
del
comportamie
nto de
lneas de
espera. Esta
se presenta,
cuando los
clientes
llegan a un
lugar
demandand
o un servicio
a un
servidor, el
cual tiene
una cierta
capacidad
de
atencin. Si
el servidor
no est
disponible
inmediatam
ente y el
cliente
decide
esperar,
entonces se
forma la
lnea de
espera.
A lo largo
del tiempo
se producen
llegadas de
clientes a la
cola de un
fuente
demandando
un
servicio.
Los
servidores
del sistema
seleccionan
miembros
de la cola
segn una
regla
25
Supuestos
El
modelo
simple de
teora de
colas que se
ha definido,
se basa en
las
siguientes
suposiciones
:
a) Un solo
prestador del
servicio y
una sola
fase.
b)
Distribucin
de llegadas
de poisson
donde l =
tasa de
promedio de
llegadas.
c) Tiempo de
servicio
exponencial
en donde m
= tasa de
promedio del
servicio.
d) Disciplina
de colas de
servicio
primero a
quien llega
primero;
todas las
llegadas
esperan en
lnea hasta
que se les
da servicio y
existe la
posibilidad
de
una longitud
infinita en la
cola.
26
2.3
TERMINO
LOGA Y
NOTACI
N.
Caractersti
cas
operativas.Medidas de
desempeo
para una
lnea de
espera que
incluyen la
probabilidad
de que no
haya
unidades en
el sistema,
la
cantidad
promedio en
la lnea, el
tiempo de
espera
promedio,
etc.
Operacin
de estado
estable.Operacin
normal de la
lnea de
espera
despus de
que
ha
pasado
por
un
periodo
inicial
o
transitorio.
Las
caracterstic
as
operativas
de las lneas
de espera se
calculan
para
condiciones
de estado
estable.
Tasa
media de
llegada.Cantidad
promedio de
clientes o
unidades
que
llegan en un
periodo
dado.
Tasa
media de
servicio.Cantidad
promedio de
clientes o
unidades
que
puede
atender una
instalacin
de servicio
en un
periodo
dado.
Lnea
de espera
de canales
mltiples.Lnea de
espera con
dos o
ms
instalaciones
de servicio
paralelas.
Bloqueado.Cuando las
unidades
que llegan
no pueden
entrar a la
lnea de
espera
debido a
que el
sistema est
lleno. Las
unidades
bloqueadas
pueden
ocurrir
cuando no
se permiten
las lneas de
espera o
cuando las
lneas
de espera
tienen una
capacidad
finita.
Poblacin
infinita.Poblacin
de
clientes
o
unidades
que
pueden
buscar
servicio, no
tiene un
lmite
superior
especificado.
Poblacin
finita.Poblacin de
clientes o
unidades
que pueden
buscar
servicio,
tiene un
valor fijo y
finito.
Usualmente
siempre
es
comn
utilizar
la
siguiente
terminologa
estndar:
27
Distribucin de llegadas.
Definir el proceso de llegada para una lnea de espera implica
determinar la distribucin de probabilidad para la cantidad de llegadas en un
periodo dado. Para muchas situaciones de lnea de espera, cada llegada
ocurre aleatoria e independientemente de otras llegadas y no podemos
predecir cuando ocurrir. En tales casos, los analistas cuantitativos has
encontrado que la distribucin de probabilidad de Poisson proporciona una
buena descripcin del patrn de llegadas.
La funcin de probabilidad de Poisson proporciona la probabilidad de x
llegadas en un periodo especfico. La funcin de probabilidad es como sigue:
P(x)=
x -
x!
para x= 0,1,2,
28
lnea de espera.
En otros
casos, se asume
que la cantidad
mxima de
unidades o
clientes
que pueden
buscar servicio
es finita. En
esta situacin,
la tasa media
1. Las llegadas para cada unidad
de
llegada para el
2. Los tiempos de servicio siguen una
sistema cambia,
dependiendo de
La poblacin de unidades que pue
la 3.cantidad de
unidades en la
lnea de espera y
se dice que el
modelo de lnea
de espera tiene
una poblacin
finita. Las
frmulas para las
caractersticas
operativas de los
modelos de lnea
de espera
anteriores deben
modificarse para
explicar el efecto
de la poblacin
finita.
de
servicio es finita.
El modelo
de poblacin
finita que se
expone en esta
seccin se basa
en
las siguientes
suposiciones.
1.
siguen una
distribucin de
probabilidad de
Poisson, con una
tasa media de
llegada .
t
distribuci
a
n
s
exponenci
a
al, con una
m
= i N)
(N-n)\\f
0
29
edia de
servicio .
p
r
o
b
a
b
ili
d
a
d
den buscar
Con un
solo canal, el
modelo de lnea
de espera se
conoce como
modelo M/M/1
con una
poblacin finita.
La tasa de
llegada media
para el modelo
M/M/1 con una
poblacin finita
se define en
funcin de cun
a menudo llega
o busca servicio
cada unidad.
Esta situacin
difiere de la de
modelos de lnea
de espera
anteriores en los
que
denotaba la
tasa media de
llegada para el
sistema. Con una
poblacin finita,
la tasa media de
llegada para el
sistema vara,
dependiendo de
la cantidad de
unidades en el
sistema. En lugar
de ajustar para la
tasa de llegada
del sistema
cambiante, en el
modelo de
poblacin finita
indica la tasa
media de llegada
para cada
unidad.
Caractersticas
operativas para,
el modelo M/M/1
con una
poblacin finita
de
demandantes.
Las
siguientes
formulas se
usan para
determinar las
caractersticas
operativas de
estado estable
para el modelo
M/M/1 con una
poblacin finita
donde:
= la tasa media
de llegada para
cada unidad
= la tasa media
de servicio
N = el tamao de
la poblacin
Probabilidad de
que no haya
unidades en el
sistema:
L = N - - P0)
L =
Lq
5.
6.
(N - L)X
en el
7.
Probabilidad de
NI
P"
AY
-nVA/i1'0
0
n unidades
para n = 0 , 1 ,.
sistema:
(N
30
Caractersticas operativas.
Las frmulas siguientes pueden usarse para calcular las caractersticas
operativas de estado estable para una lnea de espera de un solo canal con
llegadas de Poisson y tiempos de servicio exponenciales, donde:
= la cantidad promedio de llegadas por periodo (la tasa media de llegada).
= la cantidad promedio de servicios por periodo (la tasa media de servicio).
P0= Probabilidad de que no haya clientes en el sistema:
A2
- X)
31
Pw= Probabilidad de que un cliente que llega tenga que esperar por el
servicio.
COLA INFINITA,
m-m .
es
la
misma
para
cada
canal.
Los
clientes
Llegadas
van
pasan
al
4.- Lasd ellegadas esperan en una sola lnea de espera
y luego
pasan
al primer
despus
de
siguiente
canal
clientesdisponible para el servicio.
que les
canal
abierto
i
I
I
i
I
surten su
pedido
. Lnea de espera
("anal 2
| Empleado B j
32
Caractersticas Operativas
ku
=o
A2 I
(k -
l)\(kpi - A)
w = w +a
n^
para n >
Pw= Probabilidad de que un cliente que llega tenga que esperar por el
servicio:
33
k\\fi) \kfi - X)
Debido a
que es la
tasa media
de servicio
para cada
canal, k
es la
tasa media
de servicio
para el
sistema de
canales
mltiples.
Como
sucedi con
el modelo
de
lnea
de
espera
\ ,
< n < N
de
\un
0,
N
solo
[n\L,
< n < c
canal,
n < N
\ C|x,
las
frmulas
para las
caracterstica
s operativas
de las lneas
O <
de espera
con mltiples
canales slo c <
pueden
aplicarse en
situaciones
donde la
tasa media
de servicio
para el
sistema es
mayor que
la tasa
media de
llegadas; en
otras
palabras,
las
frmulas son
TV
34
aplicables
slo si k es
mayor que .
2.8
SERVIDO
RES
MLTIPLE
S, COLA
FINITA,
FUENTE
FINITA.
Este
tipo de
modelo es el
M/M/c :
DG//,
donde el
lmite del
sistema es
finito igual a
N; eso quiere
decir que el
tamao
mximo de la
cola es N
c. Las
tasas de
llegada y de
servicio son
y .
Las
caracterstica
s operativas
para este
sistema se
calculan
como sigue:
n >
O
c <
Probabilidad
de n
unidades en
el sistema:
n < c
n <
Probabilidad
de que no
haya
unidades en
el sistema:
2c!
-Po,
^P
Kf = \ r
A-perdido
0-
PN)^
EJERCICIOS RESUELTOS
Ejercicio Resuelto # 1
Martys Barber Shop tiene una peluquera. Los
clientes llegan a la tasa
de 2.2 clientes por hora, y los cortes de pelo se dan a la
tasa promedio de cinco
35
= 0.56
b) P0 = 2.2
5
0.56 = 0.56
c) P1 =
2.2
5
0.56 = 0.2464
d) P2 =
2.2
5
0.56 = 0.1084
Ejercicio Resuelto # 2
Willow Brook Bank opera una ventanilla para atencin de automovilistas
que permite a los clientes completar sus transacciones bancarias desde sus
autos, en las maanas de los das hbiles, las llegadas a las ventanillas
ocurren al azar, con una tasa media de llegada de 24 clientes por hora o 0.4
clientes por minuto.
a.- Cul es la cantidad media o esperada de clientes que llegara en un
periodo de cinco minutos?
b.- Suponga que puede usarse la distribucin de probabilidad de Poisson para
describir el proceso de llegada. Use la tasa media de llegada del inciso a y
36
b) P0 =
(2)0 e -2
0!
= 0.1353
P1 =
(2)1 e -2
1!
= 0.2707
P2 =
(2)2 e -2
2!
= 0.2707
P3 =
(2)3 e -2
3!
= 0.1804
P(demoras)
= 1 (0.1353 + 0.2707 + 0.2707 + 0.1804) = 0.1429
c)
Ejercicio Resuelto # 3
En el sistema de lnea de Willow Brook National Bank, suponga que los
tiempos de servicio para la ventanilla de atencin en el automvil siguen una
distribucin de probabilidad exponencial con una tasa media de servicio de 36
clientes por hora o 0.6 clientes por minuto. Use la distribucin de probabilidad
exponencial para responder las siguientes preguntas.
a.- Cul es la probabilidad de que el tiempo de servicio sea de un minuto o
menos?
b.- Cul es la probabilidad de que el tiempo de servicio sea de dos minutos o
menos?
c.- Cul es la probabilidad de que el tiempo de servicio sea de mas de do
minutos?
-0.6(1)
= 0.4512
37
Ejercicio Resuelto # 4
Los pacientes llegan a un
consultorio de un dentista a un tasa
media de
2.8 pacientes por hora.
El dentista puede tratar a los
pacientes a una tasa media de 3
a)
pacientes
por hora. Un estudio de los tiempos de
espera de los pacientes muestra que,
c)
en promedio, un paciente espera 30 min
de ver al dentista.
Cules son las tasas medias de
llegada y de tratamiento en funcin de
pacientes por minuto?
b) Cul es la cantidad promedio de
pacientes en la sala de espera?
Si un paciente llega a las 10: 10 A. M. A
que hora se espera que salga
del consultorio?
b)
= 2.8 pacientes / hrs.
= 3 pacientes / hrs.
Wq = 30 min.
a) = 2.8 / 60 = 0.0467 pacientes / min.
= 3 / 60 = 0.05 pacientes / min.
Lq = (0.0467 * 30) = 1.401 pacientes
c) Wq = 30 min.
W = 30 + (1/0.05) = 50 minutos
10: 10 + 50 min. = 11: 00 A. M.
38
Ejercicio Resuelto # 5
b)
c)
d)
e)
DESVIACIN ESTNDAR
3. 0
0. 6
a)
Cul es la tasa media de servicio en trabajos por hora para cada
diseo?
Para las tasas medias d e servicio en el inciso a, Qu diseo parece
proporcionar la tasa de servicio mejor o mas rpida?
Cules son las desviaciones estndar de los tiempos de servicio en
horas?
Use el modelo M/ G / 1 para calcular las caractersticas operativas para
cada diseo
Cul diseo proporciona las mejores caractersticas operativas? Por
qu?
39
EJERCICIOS PROPUESTOS
Ejercicio Propuesto # 1
El escritorio de referencias
de una biblioteca
universitaria recibe
solicitudes de ayuda. Suponga que
puede
usarse una
distribucin de
probabilidad de Poisson, con una tasa
media de 10 solicitudes por hora que
describe el patrn de llegada y que
los tiempos de servicio siguen una
distribucin de probabilidad
exponencial, con una tasa media de
servicio de 12
solicitudes de ayuda en el sistema?
a.- Cul es la probabilidad de que
no haya solicitudes de ayuda en el
sistema?
b.- Cul es la cantidad promedio de
solicitudes que esperan por el servicio?
c.- Cul es el tiempo de espera
promedio en minutos antes de que
empiece el
servicio?
d.- a)
Cul es el tiempo promedio en
el escritorio
de referencias en minutos
b)
(tiempos de espera mas tiempo de
servicio?
e.- Cul es la probabilidad de que una
nueva llegada tenga que esperar por el
servicio?
e)
Ejercicio Propuesto # 2
El gerente de la marina Fore
and Aft desea investigar la posibilidad
de
40
Ejercicio Propuesto # 3
Un estudio de
una operacin de
servicio de
comidas con
canales
mltiples en el parque de
bisbol Red Birds
muestra
que el tiempo
a)
promedio
entre la llegada de un
cliente al mostrador y su
partida con un pedido
surtido es
de 10 minutos. Durante
el juego, los clientes
llegan a una tasa
promedio de 4
por minuto. La operacin
de servicio de comida
requiere un promedio de
2
minutos por pedido del
cliente.
Cul es la tasa
media de servicio por
canal en funcin de
clientes por
minuto?
b) Cul es el tiempo de
espera promedio en la
lnea antes de colocar un
pedido?
c) En promedio
Cuntos
clientes
hay en
el
sistema
del
servicio de
comidas?
Ejercicio Propuesto # 4
3.-Movies Tonight
es un establecimiento
tpico de renta de videos y
DVD
para clientes que ven
pelculas en casa.
Durante las noches entre
semana, los
clientes llegan a Movies
Tonight a una tasa
41
promedio de 1.25
clientes por
minuto. El dependiente
del mostrador puede
atender un promedio de
dos
clientes por minuto.
Suponga
llegadas
de Poisson
y tiempos
de servicio
exponenciales.
a.- Cul es la
probabilidad de que no
haya clientes en el
sistema?
b.- Cul es la cantidad
promedio de clientes que
esperan por el servicio?
c.- Cul es el tiempo
promedio que espera un
cliente para que
comience el
servicio?
d.- Cul es la
probabilidad de que un
cliente que llega tenga
que esperar por
el servicio?
e.- Las caractersticas
operativas indican que el
sistema de mostrador con
un
solo dependiente
proporciona un nivel de
servicio aceptable?
Ejercicio Propuesto # 5
Speedy Oil
proporciona un servicio de
un solo canal de cambio
de aceite
y lubricacin de
automviles. Las
llegadas nuevas ocurren
a una tasa de 2.5
automviles por hora y la
tasa media de servicio es
de cinco automviles por
hora. Suponga que las
llegadas siguen una
distribucin de
probabilidad de
Poisson y que los tiempos
de servicio que siguen
una distribucin
exponencial.
a.- Cul es la capacidad
promedio de automviles
en el sistema?
b.- Cul es el tiempo
promedio que espera un
automvil para que
comience el
servicio de aceite y
lubricacin?
c.- Cul es el tiempo
promedio que pasa un
automvil en el sistema?
d.- Cul es la probabilidad de que una llegada tenga que esperar por el
servicio?
UNID
42
AD III:
TEORA DE DECISIN
3.2 CARACTERSTICAS
3.1
DE
GENERALES DE LA TEORA DE
Y
DECISIONES.
En lugar de tomar decisiones en periodo largo, la preocupacin ahora se
refiere a tomar quiz una sola decisin (o a lo ms una secuencia de unas
cuantas decisiones) sobre que hacer en el futuro inmediato. No obstante,
todava se tienen factores aleatorios fuera de nuestro control que crean cierta
incertidumbre sobre el resultado de cada uno de los diferentes cursos de
accin.
El anlisis de decisiones proporciona un marco conceptual y una
metodologa para la toma de decisiones racional en este contexto. Una
pregunta que surge con frecuencia es si tomar la decisin necesaria en este
momento o hacer primero algunas pruebas (con algn costo) para reducir el
nivel de incertidumbre sobre el resultado de la decisin.
Por ejemplo, la prueba puede ser realizar una promocin de prueba de
un nuevo producto propuesto para ver la reaccin del consumidor antes de
tomar la decisin de proceder o no con la produccin y comercializacin a gran
escala del producto. Se hace referencia a estas pruebas como realizar
experimentacin. Entonces, el anlisis de decisiones divide la toma de
decisiones en los casos sin experimentacin y con experimentacin.
Ejemplo prototipo.
La GOFERBROKE COMPANY es duea de unos terrenos en los que
puede haber petrleo. Un gelogo consultor ha informado a la gerencia que
piensa que existe una posibilidad de 1 a 4 de encontrar petrleo. Debido a esta
posibilidad, otra compaa petrolera ha ofrecido comprar las tierras en $90 000.
Sin embargo, la Goferbroke est considerando conservarla para perforar ella
misma. Si encuentra petrleo, la ganancia esperada de la compaa ser
aproximadamente de $700 000; incurrir en una prdida de $100 000 si
encuentra un pozo seco (sin petrleo). Sin embargo, otra opcin anterior a
tomar una decisin es llevar a cabo una exploracin ssmica detallada en el
rea para obtener una mejor estimacin de la probabilidad de encontrar
petrleo.
Este caso es de una toma de decisiones con experimentacin, y en ese
momento se proporcionarn los datos adicionales necesarios. Esta compaa
est operando sin mucho capital por lo que una prdida de $100 000 sera
bastante seria.
CRITERIOS
PROBABILSTICOS.
DECISIN
DETERMINSTICOS
Determinsticos.
Los enfoques de la toma de decisiones que no requieren un
conocimiento de las probabilidades de los estados de la naturaleza son apropiados en situaciones en los que el tomador de decisiones tiene poca confianza
en su capacidad para evaluar las probabilidades, o en las que es deseable un
43
44
anlisis simple del mejor y el peor caso. Debido a que en ocasiones enfoques
diferentes conducen a diferentes recomendaciones, el tomador de decisiones
Enfoque conservador
Probabilsticos.
En muchas situaciones de toma de decisiones podemos obtener
evaluaciones de probabilidad para los estados de la naturaleza. Cuando estn
disponibles dichas probabilidades podemos usar el enfoque del valor esperado
para identificar la mejor alternativa de decisin. Definamos primero el valor
esperado de una alternativa de decisin.
Sea
N= el nmero de estados de la naturaleza
P(sj)= la probabilidad del estado de la naturaleza sj
Debido a que puede ocurrir uno y slo uno de los N estados de la
naturaleza, las probabilidades deben satisfacer dos condiciones:
V E ( 4 ) ^PiSjWtj
cota superior para el valor potencial del experimento. Entonces, si esta cota
superior es menor que el costo del experimento, este definitivamente debe
llevarse a cabo.
Suponga que el experimento puede identificar de manera definitiva cual
es el verdadero estado de la naturaleza, proporcionando con esto, informacin
perfecta. Cualquiera que sea el estado de la naturaleza identificado, se
elegir la accin con el mximo pago para ese estado. No se sabe de
antemano cul estado se identificar, por lo que el clculo del pago esperado
con la informacin perfecta (ignorando el costo de la experimentacin) requiere
ponderar el pago mximo para cada estado de la naturaleza con la probabilidad
a priori de ese estado.
Para evaluar si debe de realizarse el experimento, se usa la cantidad del
pago esperado para calcular el valor esperado de la informacin perfecta
(VEIP); ste se calcula como:
VEIP= pago esperado con informacin perfecta pago esperado sin
experimentacin.
As, como la experimentacin casi nunca puede proporcionar
informacin perfecta, el VEIP da una cota superior sobre el valor esperado de
la experimentacin.
46
Pago
670
-130
60
670
-130
60
700
-100
90
Figura 20.1
El rbol de decisin (antes de realizar los clculos) para el problema de la Goferbroke Co.
47
Mx Z = CX
s.a.
AX b
xi 0
El Dual es:
Min Z = bTY
s.a.
AT Y C T
yi 0
Usos de la
formulacin
dual.
Las
estructuras
duales
permiten
entre otras
cosas:
a ) Resolver
problemas
lineales
quec)
tienen
ms
restricciones
d)
que
actividades.
Como el
grado de
dificultad en
a)
resolver un
programa
lineal
por medio
de una
computadora
est en
funcin del
nmero de
filas de la
matriz A y
no en el
nmero de
columnas, al
aplicarse la
dualidad a
un
problema
primal donde
T T
48
m > n, se
obtiene otro
problema
lineal donde
el
nmero
de filas n es
menor al
nmero de
columnas m.
b ) Hacer
interpretacion
es
econmicas
de las
soluciones
ptimas de
los
problemas de
programaci
n lineal.
Crear
nuevos
algoritmos
para la
solucin de
problemas
de redes de
optimizacin.
Generar
mtodos
como el dual
simples para
el anlisis de
sensibilidad
de los
programas
de
programaci
n lineal.
Propiedades
del primal y
del dual.
Si el Primal
es un
problema de
Maximizaci
n
(Minimizaci
n), el Dual es
un problema
de
Minimizacin
(Maximizaci
n).
b) Los
valores de
los recursos
del Primal
son los
valores de
los
coeficientes
de la
funcin
objetivo del
Dual. Y los
valores de los
coeficientes
de la
funcin
objetivo del
Primal son
los valores
de los
recursos del
Dual.
c) La matriz
de los
coeficientes
tecnolgicos
del
Dual
es
la
matriz
transpuesta
de los
coeficientes
tecnolgicos
del Primal. Y
como (A ) =A
entonces
el
Dual(Dual)=P
rimal.
d) El nmero
de
restricciones
del Primal es
igual al
nmero de
variables de
decisin
del Dual, es
decir, por
cada
restriccin
del Primal
existe una
variable
Dual
asociada.
la
problema,
EJERCICIOS RESUELTOS
Ejercicio # 1
50
DUAL
Max = 2y1 + 3y2
51
s. a.
5y1 + 3y2 27
1.5y1 + 3y2 15
y1 + 1.5y2 9
Solucin:
(1.5) 5y1 + 3y2 =
27
1 + 3y2 = 15
(-5) 1.5y
7.5y11 +- 4.5y
15y22 = - 75
= 40.5
-7.5y
y2 =
10.5y2 = -34.5
- 34.5 / -
10.5
y2 = 3.29
y1 + 1.5y2 = 9
y1 = 9
1.5(3.29)
y1 = 4.07
Max = 2(4.07) +
3(3.29) = 18.01
Ejercicio # 2
Suponga
que de sea
invertir $10, 000,
en el mercado
de valores,
comprando
acciones de una
de dos
compaas: A y B.
Las acciones de
la
compaa A son
arriesgadas, pero
Invertir
podran producir
un rendimiento de
50%
sobre la inversin
durante el
prximo ao. Si
52
las condiciones
del mercado de
valores no son
favorables, las
acciones pueden
perder el 20% de
su valor. La
empresa B
proporciona
utilidades
seguras, de 15%
en un mercado a
la alza y
solo 5% en un
mercado a la
baja. Todas las
publicaciones que
consulto
predicen que hay
60% de
probabilidades
que el mercado
este a la alza y
40%
de que este a la
baja. Dnde
debera invertir su
dinero?
e
n
a
c
c
i
o
n
e
s
d
e
A
2
5
,
Mercado a la
baja (0.4) 1 - $ 2,
000
Invertir
acciones de B
enMercado a la
alza (0.6)
$1,
500
3
$ 500
Mercado a la baja
(0.4)
53
d3 = complejo
grande con 90
condominios.
Los
resultados
posibles
para
un
evento
fortuito
o
estados
de
la
naturaleza son
para PDC:
s1 = Demanda
fuerte para los
condominios.
s2 = Demanda
dbil para los
condominios.
Enfoque optimista
Alternativ
a de
Resulta
dedicin do
mximo
Complejo pequeo, d1
Complejo mediano, d2
Complejo grande, d3
8
14
20
recomienda la
alternativa de decisin
de un complejo de
condominios
grande.
Enfoque conservador
Primero,
identificamos
el
resultado
mnimo
para
cada
una
Pago
mnimo
7
5
-9
recomienda la
alternativa de decisin
de un complejo de
condominios
pequeos.
de
Enfoque de
arrepentimiento
mnimax.
Suponga que
PDC construya un
complejo de
condominios pequeos
y la
demanda resulta ser
fuerte. LA ganancia
54
Alternati Dema
va de
nda
dedicin fuerte
Complej s1
o
12
pequeo
, d1
Dema
nda
dbil
s2
0
Complejo mediano, d2
Complejo grande, d3
6
0
2
16
Arrepentimiento
mximo para cada
alternativa de decisin
Alternativa
de
dedicin
Complejo
pequeo,
d1
Complejo
mediano,
d2
Complejo
grande, d3
Arrepentimi
ento
mximo
12
6
16
Se toma el
mnimo del
arrepentimiento
mximo que es 6, el
cual
corresponde a un
complejo mediano.
EJERCICIOS
PROPUESTOS
Ejercicio
#1
a)
b)
Tiene usted
oportunidad de invertir
en tres fondos de
ahorros: servicios,
de crecimientos
agresivos y globales.
El valor de su
inversin cambiara,
dependiendo de las
condiciones del
mercado. Hay 10% de
probabilidades de
que el mercado baje,
50% de que quede
estable, y 40% de
probabilidades de
que suba. La tabla
siguiente muestra el
cambio porcentual en
el valor de la
55
Ejercicio # 2
Escribir el dual
del siguiente problema
y determinar su
solucin ptima
usando la base primal
optima.
Minimizar z = 3x + 5y
Sujeto a:
x1 + 2 x2 + x3
=5
- x 1 + 3 x2
+
x4 = 2
Ejercicio # 3
La
siguiente
tabla
de
resultados
muestra las
ganancias
250
para un
100
problema de
anlisis de
decisiones con
dos alternativas
y tres estado
de la
naturaleza.
S2
S1
100
100
25
75
Estado de la
naturaleza
Alter
de
nativ
S1
a
deci
sin
d1
d1
a) Construya
un rbol de
decisin para baja
este problema. 150
50
b) Si el
tomador de
cisiones no
sabe nada
sobre las
probabilidades
de los
tres estados
de la
naturaleza,
Cul es la
decisin
recomendada
usando
los
enfoques
optimista,
conservador y
de
media
200
200
Alta
200
500
56
arrepentimiento
mnimax?
Ejercicio # 4
La
decisin de
Sowthland
Corporation de
producir una
lnea nueva de
productos
recreativos a
dado como
resultado a la
necesidad de
construir ya
sea una planta
pequea o una
grande. La
mejor
seleccin del
tamao de al
planta depende
de cmo
reaccione el
mercado a la
nueva lnea de
produccin.
Para realizar
un anlisis, la
gerencia de
mercadotecnia
ha decidido
calificar la
posible
demanda a
largo plazo
como baja,
media o alta.
La siguiente
tabla de
resultados
muestra la
ganancia
proyectada en
millones de
dlares.
Demanda a
largo plazo
Tamao de la
planta
pequea
Grande
a) Cual es la
decisin que
se ve a tomar y
cual es el
evento fortuito
para
el problema
de Sowthland?
b) Construya
un rbol de
decisin.
c)
Recomiende
una decisin
basada en el
uso de los
enfoques
optimista,
conservador
y de
arrepentimiento
minimax.
Ejercicio # 5
decisin
S2
de S1
10
1
4
3
de sensibilidad
grafico
para determinar
probabilidades del estado de la naturaleza S 1.
le rango de
a) Use una anlisis
= 0.8.
Cul
la mejor decisin
usando el enfoque del valor esperado?
es
b) Suponga que P (s 1) = 0.2 y P (s2)
UNIDAD IV:
57
CADENAS DE MARKOV
4.1 INTRODUCCIN.
En los problemas de
toma de decisiones, con
frecuencia surge la
necesidad de tomar
decisiones
basadas
en
fenmenos
que
tienen
incertidumbre asociada a ellos.
Esta incertidumbre proviene de la
variacin
inherente a las fuentes de esa
variacin que eluden el control o
proviene de la
inconsistencia de los
fenmenos
naturales. En
lugar de
manejar
esta
variabilidad como cualitativa
puede incorporarse
al
modelo
matemtico
y
manejarse en forma cuantitativa.
Por lo general este tratamiento
se puede
lograr si el fenmeno natural
muestra un cierto grado de
regularidad de manera
que sea posible describir la
variacin mediante un modelo
probabilstico.
Este captulo presenta
modelos de probabilidad para
procesos que
evolucionan en el tiempo de una
manera probabilstica. Tales
procesos se
llaman procesos estocsticos. El
capitulo est dedicado a un tipo
especial
llamado cadena de Markov. Las
cadenas de Markov tienen la
propiedad
particular de que las
probabilidades que describen la
forma en que el proceso
evolucionar en el futuro dependen
slo del estado actual en que se
encuentra
el proceso y, por tanto son
58
generador se encuentra en el
estado Mj .
59
60
= K , X ( 1 ) 0 = K ,.....,
X ( t1 )
= i )
= P ( X ( t + )
j X ( t ) = i ) = pi j
Para obtener
. Si
m*{{3-D ) Q
Entonces
Poisson con
es necesario evaluar
la
fue
de
tres
o
ms
. Por lo tanto,
As,
significa que la demanda
aleatoria Poisson con parmetro
durante
semana
cmaras.
^
0
]
X
-1
}
y
, la probabilidad de que una variable
Si
tome el valor de 3 o ms;
durante
la
semana
debe
ser
1
o
ms.
Por
se puede obtener de una manera parecida.
* 1}
- 0} - 0-632
p~ esto,
.
Para
, entonces
, la demanda
,. Para obtener
que
M
si
.
- 1- f { &
t
En consecuencia, si
, entonces la demanda durante la semana
encontrar
tiene que ser exactamente 1. por ende,
observe
. Los elementos
62
restantes se obtienen en forma similar, lo que lleva a la siguiente a la siguiente
matriz de transicin ( de un paso):
(2)
(2)
= P * P = P2 .
son los elementos de la matriz P
de observarse que estos elementos,
63
se obtienen multiplicando la
matriz de transicin de un paso por s misma; esto es , P
a)
b)
f'k = S
P'ifjk>
= O , 1, . . . , M ,
7=0
fkk
es recurrente e ik
= l>
f = O,
Las
probabilidades
de absorcin son
importantes
en las caminatas
aleatorias. Una caminata
aleatoria es una cadena
de Markov con la
propiedad
de que, si el sistema
se encuentra en el
estado i, entonces en
una sola
transicin, o bien
permanecer en i o se
mover a uno de los
estados
inmediatamente
adyacentes
Por
a i.
ejemplo,
caminata
la
tal que:
#1
ffjg
aleatoria
conque para cualquier estado inicial i , a-i-*
Se establece
frecuencia se usa como
El vector
a modelo para
situaciones que incluyen
juegos de
azar.
si el estado /
ik
(1).
n
4.8
PROBABILIDADES
DE TRANSICIN
ESTACIONARIAS
DE
ESTADOS
ESTABLES.
TIEMPOS DE
PRIMER PASO
(2)
65
Sea P la matriz de
transicin de una
cadena de M estados.
Existe
entonces un vector
S"2
a menudo se llama
distribucin de estado
estable, o tambin
distribucin de equilibrio
para la cadena de
Markov. Para
encontrar la distribucin
de probabilidades de
estacionario para una
cadena
dada cuya matriz de
transicin es P, segn el
teorema, para n grande
y para
toda i ,
Como Pij (n + 1) =
( rengln i de P
)(columna j de P),
podemos escribir
EJERCICIOS RESUELTOS
Ejercicio #1
Los administradores
de la empresa New
Fangled Sofdrink Company
consideran que la
probabilidad de que un
cliente compre la bebida
Red Rot
Pop, o el principal
producto de competencia,
Sper Cola, se basan en
la
compra ms reciente del
cliente. Supngase que son
apropiadas las siguientes
probabilidades de transicin:
a)
Red Rot
Pop
Sper
Cola
a)
Trace el diagrama de
rbol de dos periodos para
un cliente que compro
compra
la ultima vez Red Rot
0.9
Pop. Cul es la
0.1de que este
probabilidad
0.9
clienteRed Rot
Pop 0.1
compre
Red Rot Pop en
0.1 segunda compra?
una
0.9
b) Cul es la participacin
de mercado a largo plazo
para cada 0.9
uno de
0.1productos?
0.1estos dos
c) SeRedesta
Rot planeando
una Pop0.1 importante
0.9campaa de
0.9
publicidad
para
aumentar la probabilidad
de atraer a los clientes de
Sper Cola. Los
administradores
consideran que la nueva
compaa aumentara a 0.15
la
probabilidad de que un
cliente cambie de Sper
Cola a Red Rot Pop.
66
Cul es el efecto
proyectado de la campaa
de publicidad sobre las
participaciones del
mercado?
Primera Segunda
compr
Red Rot Pop
a
0.81
Red Rot
Pop
Sper Cola
Sper Cola
= 0.09
Red Rot Pop = 0
Sper Cola = 0
Red Rot Pop = 0
Sper
Cola
Sper
Cola
[0.82, 0.18]
Sper Cola
=0
J VO.l
0.9/
=0
0.9 x + 0.1 y = x
0.1 x + 0.9 y = y
0.1(1 y) 0.1y
- 0.2y
0.1 0.1y
0.1y = 0
0.1 0.2y = 0
-0.1 x + 0.1y = 0
0.1x 0.1y = 0
x+
y= 1
x=1y
x = 1 0.5
x = 0.5
= -0.1
y = -0.1/-0.2
y = 0.5
x=1y
La participacin en el mercado a largo plazo de ambas marcas
c)
es
de 0.5 para cada una de ellas.
0.9
1
0.85/
0.9x + 0.15y = x
0.1x + 0.85y = y
x+y=1
-0.25y = -0.1
-0.1x + 0.15y = 0
0.1x 0.15y = 0
x+
y=1
x=1y
0.1(1 y) 0.15y = 0
0.1 0.1y 0.15y = 0
0.1 0.25y = 0
x=1y
x = 1 0.4
x = 0.6
y = -0.1 / -0.25
y = 0.4
Ejercicio #2
67
proceso
correspondiente de Markov como periodos de una llora y que la probabilidad
de
que el sistema est en estado de operacin o en estado inactivo se basa
en el
estado del sistema en el periodo anterior. Los datos histricos muestran las
siguientes probabilidades de transicin:
A
Operante
Inoperante
Operante
DeInoperante
0.90
0.30
0.10
0.70
probabilidada.deSi
queelse sistema
caiga el sistema
en la siguiente
hora de cul es la
est inicialmente
operando,
operacin?
sistema se b. encuentre
en las
estado
operante de
y en
estado
Cules son
probabilidades
estado
estable de que el
inoperante?
a)
(0.9
0.1)
( i o) 0- 9 ^ =
J V0.3
0.9x + 0.3y = x
0.1x + 0.7y = y
x+y=1
-0.1x + 0.3y = 0
0.1x 0.3y = 0
x = 1- y
x=1y
x = 1 0.25
x = 0.75
0.1(1 y) 0.3y = 0
0.1 0.1y 0.3y = 0
0.1 0.4y = 0
-0.4y = -0.1
y = -0.1 / -0.4
y = 0.25
Ejercicio #3
Se pueden expresar como procesos de Markov los patrones de compra
de dos marcas de dentfrico, con las siguientes probabilidades de transicin:
Especial B
Especial B
MDA
0.90
0.05
MDA
0.10
0.95
68
0.9x + 0.05y = x
0.1x + 0.95y = y
x+y=1
-0.1x +0.05
0.05y =
0
-0.2
0.4
0.1x
- 0.05y =0.3
0
0.1 -0.25
x0.1
= 1 y0.2 -0.7
1
1
1
x = 1- y
x = 1 2/3
x = 1/3
0.1(1 y) 0.05y = 0
0.1 0.1y 0.05y = 0
0.1 0.15y = 0
-0.15y = -1
y = -0.1 / -0.15
y = 2/3
0
0
0
1
Especial-2B tendr
una participacin esperada en el mercado a largo
1 -0.25
0
plazo-0.25
de 1/3, 0.3
mientras
0.1
0 que la participacin de MDA ser de 2/3.
0.1
0.2 -0.7 0
1
1
1 1
Ejercicio #4
Supngase
1
-2 0que en el problema anterior entra en el mercado una nueva
marca de crema
de manera que se tienen las siguientes
0
0.5 dental,
0
probabilidades
0
-0.5 0
MDA
de transicin: 3 1
0
0.10
0.75
Especial B
0.30
Especial B
T-Blanca
MDA
0.80
0.10
T-Blanca
u
0.05
0.20
0.40
0.30
Cules son las nuevas participaciones de mercado a largo plazo? Q
marca
sufre ms por la inclusin de la nueva marca de crema dental? Obsrvese
0.8 0.1 0.1X
que
= (x
)
0.7S 0.2
determinar lasO.OS
probabilidades
de estado
constante
para este problema
0.4
0.3
0.3/
requiere
de la solucin de tres ecuaciones y tres incgnitas.
(
0.8x + 0.05y + 0.4z = x
0.1x + 0.75y + 0.3z = y
0.1x + 0.20y +
0.3z = z
69
70
x+
y+
z=1
-0.25
-0.225
0
0
1.3z = 0.225
z = 0.225 / 1.3
z = 0.1731
-0.225y + 0.5z = 0
-0.225y + 0.5(0.1731) =0
-0.225y + 0.08655 = 0
-0.225y = - 0.08655
y = -0.08655 / -0.225
y = 0.3846
R1 = R1 / -0.2
x+y+z=1
x=1yz
x = 1 0.3846 0.1731
x = 0.4423
R2 = -0.1R1 + R2
R3 = -0.1R1 + R3
R4 = -R1 + R4
-0.25
-0.225
0.225
1.25
R3 = R3 + R2
R4 = 1.25R2 + 0.225R3
Ejercicio #5
La empresa KLM Christmas Tree Farm es propietaria de un vivero
con
5000 rboles de hoja perenne. Cada ao, KLM permite a los vendedores
de
rboles de Navidad al menudeo que seleccionen y corten rboles para
vender
a clientes individuales. La KLM protege los rboles pequeos (usualmente
de
menos de 4 pies de altura) de manera que se les permite crecer y
estar
disponibles para su venta en aos futuros. En la actualidad, 1500 rboles
se
clasifican como rboles protegidos, mientras que los 3500 restantes
estn
disponibles para su corte. Sin embargo, aun cuando exista un rbol
disponible
o o
1 OP =
0.2 0.5 0.2
0.4 0.1 0
o
O
0.1
0.5/
\
O j
)
Cuntos de los 5000 rboles del vivero se vendern en algn momento dado,
y cuntos se perder
o o o
\
O j
P = 1 OO
0.2 0.5
0.1 0.2
)
0.4 0.1 0 0.5/
71
N= \ 0
fl
lo
IQ=
0\ _ /0.5
1/
\Q
/US -0.2
I
N = (1 O
VO
R1 = R1/ 0.25
R2 = R2 /0.5
2 /
N=
2 0.8\ /O.l
N=
NR = VO 2 / VO-4
N=
/US2
V 0.8
0.2 /
( 0 0 3S00)
1 S
BNR = (3580
\
v
o
0
.
5
O
0.2\
0.1/
/US - 0 . 2
V0
0.S
0.2R2
1
0
0\
1/
R1 = 0.5R1 +
BNR =
0.4S\
BN
R=
1420)
Cantidad de rboles
cortados y vendidos:
3580 rboles
Cantidad de rboles
perdidos: 1420 rboles
EJERCICIOS
PROPUESTOS
Ejercicio #1
Se determin
que una de las causas
del problema del
tiempo muerto de
una maquinaria era
una pieza especfica
de los aparatos de
cmputo. Los
administradores
consideran
que cambiando
a
un
componente
distinto
de
maquinaria se
obtendra la siguiente
matriz de
probabilidades de
transicin:
probabilidades de
estado estable de que
el sistema se
encuentre en los
estados de operacin
e inactivo?
\
P = #3O
Ejercicio
O j
J
o
o o
1 O
0.2 0.1 0.4 0.3
0.2 0.2 0.1
0.5/
1 0
P=
0
0.5
1 0
Ejercicio #4
Supngase que es apropiada la siguiente matriz de transicin:
o
o
o
0 0.25 0.25 i
0.5 0.2 0.05 0.25/
Ejercicio #5
Un
problema
importante en
el rea
principal de
Cincinnati
implica el
trfico
automovilstic
o que intenta
cruzar el ro
Ohio,
proviniendo
de Cincinnati,
y en
direccin a
Kentucky,
utilizando la
Carretera
Interestatal I75. Suponga
que es
0.85 la
probabilidad
de que no
haya
demoras por
el trfico en
un periodo,
dado
que no hubo
demoras de
tal clase en
el periodo
anterior, que
es 0.75 la
probabilidad
de encontrar
una demora
debido al
trfico de un
periodo, dado
que
hubo
demoras en el
periodo
anterior. El
trfico se
clasifica como
estados en
los
que se tiene
demora o no,
y se
considera que
el periodo es
de 30 min.
a.Suponiendo
que es un
automovilista
que ingresa
al sistema
vial o de
trnsito
y recibe un
reporte de
radio de que
hay demoras
en el trfico,
cul es
la
probabilidad
de que, para
los siguientes
60 min. (2
periodos) el
sistema
se encuentre
en el estado
de demoras?
Obsrvese
que tal es la
probabilidad
de que se
encuentre en
el estado de
demora para
2 periodos
consecutivos.
a. Cul
es la
probabilidad
de que el
trnsito se
encuentre a
largo plazo en
el
estado de
carencia de
demoras?
b.Una
suposicin
importante de
los modelos
de procesos
de Markov
que se
presentaron
en este
captulo han
sido las
probabilidade
s de
transicin
constantes o
estacionarias
durante la
operacin del
sistema en el
futuro.
Considera
que este
supuesto es
apropiado en
el problema
anterior sobre
el
trfico?
Explique.
UNIDAD V:
OPTIMIZ
ACIN
DE
REDES
5.1
TERMINO
LOGA
Se
ha
desarrollado
una
terminologa
relativament
e
extensa
para
describir los
tipos de
redes y sus
componente
s.
Una
red consiste
en un
conjunto de
puntos y un
conjunto de
lneas que
unen ciertos
pares de
puntos. Los
puntos se
llaman
nodos (o
vrtices).
Las
lneas se
llaman
arcos (o
ligaduras,
aristas o
ramas). Los
arcos se
etiquetan
dando
nombre a los
nodos en
sus puntos
terminales;
por ejemplo,
AB sera el
arco entre
los nodos A
y B. Los
arcos de
una red
pueden tener
un flujo de
algn tipo
que pasa
por ellos; si
el flujo a
travs de un
arco se
permite slo
en
una direccin
(como en
una calle de
un sentido),
se dice que
el arco es un
arco
dirigido. La
direccin se
indica
agregando
una cabeza
de flecha al
final de la
lnea que
representa el
arco.
Al
etiquetar un
arco dirigido
con el
nombre de
los nodos
que une,
siempre se
pone primero
el nodo de
donde viene,
despus el
nodo a
donde va,
esto es, un
arco dirigido
del nodo A al
nodo B debe
etiquetarse
como AB y
no
como BA.
Otra manera
de
etiquetarlo
es A > B.
Si el flujo a
travs de un
arco
se permite
en ambas
direcciones
(como una
tubera que
se puede
usar para
bombear
fluido en
ambas
direcciones),
se dice que
el arco es
un arco no
dirigido. Para
ayudar a
distinguir
entre los dos
tipos de
arcos, con
frecuencia se
har
referencia a
los arcos no
dirigidos con
el sugestivo
nombre de
ligadura.
Aunque se
permita que
el flujo a
travs de un
arco no
dirigido
ocurra en
cualquier
direccin.
Se supone
que ese
flujo ser en
una
direccin, en
la
seleccionad
a, y no se
tendrn
flujos
simultneos
en
direcciones
opuestas.
Sin
embargo, en
el proceso
de toma
decisiones
sobre el
flujo en un
arco no
dirigido, se
permite
hacer
una
secuencia
de
asignaciones
de
flujos
en
direcciones
opuestas,
pero en el
entendimient
o de que el
flujo real
ser el flujo
neto (la
diferencia de
los flujos
asignados
en las dos
direcciones).
Por ejemplo,
si se asigna
un flujo de
10 en una
direccin y
despus un
flujo de 4
en la
direccin
opuesta, el
efecto real
es
la
cancelacin
de 4
unidades
de la
asignacin
original, lo
que reduce
el flujo en la
direccin
original de
10 a 6. Aun
para un arco
dirigido, en
ocasiones se
usa la
misma
tcnica
como una
manera
conveniente
de reducir
un flujo
previamente
asignado.
En
particular, se
puede
hacer una
asignacin
ficticia de
flujo en la
direccin
"equivocada
" a travs de
un arco
dirigido para
registrar una
direccin en
esa cantidad
en el flujo
que va
en la
direccin
"correcta".
Una
red que
tiene slo
arcos
dirigidos se
llama red
dirigida. De
igual
manera, si
todos sus
arcos son no
dirigidos, se
dice que se
trata de una
red no
dirigida. Una
red con una
mezcla de
arcos
dirigidos y no
dirigidos (o
incluso una
con todos
sus arcos no
dirigidos) se
puede
convertir en
una red
dirigida, si
se
desea,
sustituyendo
cada arco
no dirigido
por un par
de arcos
dirigidos en
Cuando algunos o todos los arcos de una red son arcos dirigidos, se
hace la distincin entre trayectorias dirigidas y trayectorias no dirigidas. Una
trayectoria dirigida del nodo i al nodo j es una sucesin de arcos cuya direccin
(si la tienen) es hacia el nodo j, de manera que el flujo del nodo i al nodo j a
travs de esta trayectoria es factible. Una trayectoria no dirigida del nodo i al
nodo j es una sucesin de arcos cuya direccin (si la tienen) puede ser hacia o
desde el nodo j. (Observe que una trayectoria dirigida tambin satisface la
definicin de trayectoria no dirigida, pero el inverso no se cumple.)
Con frecuencia una trayectoria no dirigida tendr algunos arcos dirigidos
hacia el nodo j y otros desde l (es decir, hacia el nodo i); las trayectorias no
dirigidas juegan un papel muy importante en el anlisis de las redes dirigidas.
Un ciclo es una trayectoria que comienza y termina en el mismo nodo.
En una red dirigida un ciclo puede ser dirigido o no dirigido, segn si la
trayectoria en cuestin es dirigida o no dirigida. (Como una trayectoria dirigida
tambin es no dirigida, un ciclo dirigido es un ciclo no dirigido, pero en general
el inverso no es cierto.)
Se dice que dos nodos estn conectados si la red contiene al menos una
trayectoria no dirigida entre ellos. (Observe que no es necesario que la
trayectoria sea dirigida aun cuando la red es dirigida.) Una red conexa es una
red en la que cada par de nodos est conectado.
2.-
Algoritmo de Dijkstra
El algoritmo de Dijkstra tienen por objeto determinar las rutas mas cortas
entre lo nodo fuente y los dems nodos de la red. El algoritmo de Floyd es
general, porque permite determinar la ruta mas corta entre dos nodos
cualesquiera en la red.
Algoritmo de Dijkstra. Sea ui la distancia mas corta entre el nodo 1 hasta
el nodo i, y se define dij( 0 ) como la longitud del arco (i,j). Entonces el
algoritmo define la etiqueta de un nodo inmediato posterior j como
[uj,i] = [ui + dij,i], dij 0
La etiqueta del nodo de inicio es [0, - ], que indica que el nodo no tiene
predecesor.
Las etiquetas de nodos en el algoritmo de Dijkstra son de dos clases:
temporales y permanentes. Una etiqueta temporal se modifica si se encuentra
una ruta mas corta a un nodo. Cuando no se ve que se puede encontrar rutas
mejores, cambia la etiqueta de un estado temporal a permanente.
Paso 0.
Etiquetar el nodo fuente (nodo 1) con la etiqueta permanente [ 0, - ].
Igualar i = 1.
Paso i.
a) Calcular las etiquetas temporales [ui + dij,i] para cada nodo j al cual
pueda llegarse desde el nodo i, siempre y cuando j no tenga tarjeta
permanente, si el nodo j ya esta etiquetado con [uj,k] por otro nodo k, y si
ui + dij < uj, sustituir [uj,k] por [uj + dij, i].
b) Si todos los nodos tienen etiquetas permanentes, detenerse. En caso
contrario, seleccionar la etiqueta [ur, s] que tenga la distancia mas corta
(=ur) entre todas las etiquetas temporales (los empates se rompen en
forma arbitraria. Hacer que i = r y repetir el paso i.
Algoritmo de Floyd.
El algoritmo de Floyd es ms general que el de Dijkstra, porque
determina la ruta mas corta entre dos nodos cualesquiera de la red. El
algoritmo representa una red de n nodos como matriz cuadrada con n
renglones y n columna. El elemento (i,j) de la matriz expresa la distancia dij del
nodo i al nodo j, que es finita si i esta conectado directamente con j, e
infinitamente en caso contrario.
Paso general k.
Definir el rengln k y la columna k como rengln pivote y columna pivote.
Aplicar la operacin triple a cada elemento dij en Dk-1 para toda i y j. si se
satisface la condicin:
dik + dkj < dij, (ik, jk e ij)
hacer los siguientes cambios:
a) Crear Dk reemplazando dij en Dk-1 por dik + dkj
b) Crear Sk reemplazando sij en Sk-1 por k. Igualar k = k+1 y repetir el paso
k.
Columna
j
Columna
pivote
k
Columna
q
Rengln i
Rengln pivote k
Rengln p
i
arcos es igual a la
disponibilidad
desde el nodo fuente a esos nodos (sobre la que puede haber un cambio de
flujo). Los nodos no etiquetados son aquellos que el algoritmo todava no ha
alcanzado en el proceso.
Reiteradamente, el algoritmo elige un nodo etiquetado y explora su lista de
arcos adyacentes para alcanzar y etiquetar nuevos nodos.
El algoritmo termina cuando ha explorado todos los nodos etiquetados y
el nodo sumidero permanece no etiquetado (ya no hay cadena que conecte el
nodo fuente (1) al nodo sumidero (n), implicando que ya no puede haber mas
aumento de flujo del nodo 1 al nodo n).
PASOS.
Primera fase: etiquetas.
Este algoritmo es de naturaleza recursiva, considera que un nodo puede
estar en uno de los siguientes estados, que son mutuamente excluyentes.
a) con etiqueta
b)
sin etiqueta
A todos los nodos vecinos Nk del nodo Nj, que o tengan etiqueta y para
los cuales se cumpla la condicin de que
0 Xjk ujk
Se le asigna una etiqueta [j ,
], donde
= Min [
Como todos los nodos vecinos N k del nodo N j han sido investigados al
nodo Nj pasa al estado de etiqueta con registro. Este proceso se repita hasta
alcanzar el nodo destino de la red, es decir N t, etiquetarlo y registrarlo, o hasta
q sea imposible etiquetar nodos intermedios de la red.
Si el nodo destino de la red, N t, no puede ser etiquetado, el flujo actual
en la red no cambia y por consiguiente es el flujo mximo, es decir, el problema
queda resuelto. En este caso N t recibe una etiqueta el flujo actual cambiara de
acuerdo a lo que se explica a continuacin.
Segunda fase:
Se inicia desde Nt hacia al nodo inicial. El nuevo flujo se determina
mediante la suma de Xjk + t y a si sucesivamente por los todos los nodos de
la ruta determinada.
Una vez hecho lo anterior se vuelve aindiar el proceso de etiquetado.
de
Tipo de
Aplicacin
Administracin
Nodos
Nodos
de Nodos
de
Fuente
de
Instalaciones
Fuentes
Trasbor
desechos slidos
Demanda
do
Consumid
ores
intermedios
Coordinacin
de distribucin
de
de OpcionesRellen
desechos
slidos
plazo
procesa
miento
Operacin de una red Agentes de
ventas Almacenes
inter
medi
os
os
Instalacione
s
de
procesamien
to
Un problema de transporte
programacin lineal
una serie de puntos
de de demanda
plantas
Produccin de u
mezcla de productos
Mercado
en plantas
artculo
Un problema de transporte
especfico
Administrac
una oferta si.
in
de
flujo de
Fuentes
efectivo
dj.
efectivo
tiempos
especficos
del
producto
especfico
en
de o
Necesida
r
dest
de o
e
n
i
n
v
e
r
si
e
f
e
c
t
i
v
o
tiempos
especficos
a
c
Casos especiales.
EL PROBLEMA DE TRANSPORTE.
es un caso particular de problema de
en el cual se debe minimizar el costo del abastecimiento
a
a partir de un grupo de
puntos de oferta
(posiblemente de distinto nmero), teniendo en cuenta
los distintos precios de
envo de cada punto de oferta a cada punto de demanda.
queda definido por la siguiente informacin:
1. Un conjunto de m puntos de oferta. Cada punto de
oferta i tiene asociado
EL PROBLEMA DE TRASBORDO.
Este caso especial en realidad incluye todas las caractersticas
generales del problema del flujo de costo mnimo, excepto por no tener
capacidades finitas en los arcos. Entonces, cualquier flujo de costo mnimo en
el que cada arco pueda llevar cualquier cantidad de flujo deseada se llama
tambin un problema de trasbordo.
- XFI-CD
+ XF2-CD
- XF2-CD + XCD-A2
- XFI-A1
-30
+ XAI-A2 - XA2-A1 =
- X CD-A2 - XAI-A2 + XA2-A1 =
-60
XFI-F2
10
XCD-A2
80
XA2-A1
XFI-F2,
EJEMPLO
Considere la siguiente figura que representa las posibles
rutas de
transporte, suponga que el nmero junto a las fechas es el
costo entre
cada nodo:
WINQSB:
Pulsar OK.
::: f
um
*-
WinQSB Help
m 0.00 A
,1 1
...
1 3fc
Shortest
Path Problem Ruta mas corta
Node2 : Nodel
Ftotn \ To
Nodel
Node2
Node3
Node4
Node5
NodeG
Node7
Node8
Node9
Nodel
Node2
lode3
lode4
lode5
NodeG
Node7
Node8
Node9
Results
Utilities
Window
WinQSB
Help
Node2
Node3
Node4
Node5
Node6
Node?
Node8
Node9
N ode9
Node9
Nodel
Solve:
Cancel
Help
3.00 A - -
::S
M"
"i
=== f
Fro m
Node l
Node3
To
Distance/Cost
Cumulative Distance/Cost
3
3
Node5
Node8
Node3
Node5
Node8
Node9
2
7
3
6
8
15
Fiom Nodel
Fiom Nodel
Fiom Nodel
Fiom Nodel
Fiom Nodel
Fiom Nodel
Fiom Nodel
Fiom Nodel
To Node9
To Node2
To Node3
To Node4
To Node5
To Node6
To Node7
To Node8
=
=
=
=
=
=
=
=
15
5
3
9
6
10
12
8
Graphic Solution
for Shortest Path Problem Ruta mas corta
Final Solutiou:
biechve YA
ode'!
15
SOLVER
60
25
20
Andrs
Loreto es
presidente
de una
microempre
sa de
inversiones
que
se dedica a
administrar
las carteras
de
acciones de
varios
cliente7s. Un
nuevo
cliente ha
3
solicitado
que la
3
compaa
se haga
cargo de
administrar
para l una
cartera de
$100, 000.
A ese
cliente le
agradara
restringir la
cartera a
una
mezcla de
tres tipos
de acciones
nicamente,
como
podemos
apreciar en
la
siguiente
tabla.
Formule
usted un
modelo de
Programaci
n Lineal
para
mostrar
cuntas
acciones de
cada tipo
($)
tendra que
comprar
Andrs con
el fin de
maximizar el
rendimiento
anual total
estimado de
esa cartera.
A
R
en
di
mi
en
to
A
nu
al
In
ve
rsi
n
P
os
ibl
e
Estimado
por
Accin ($)
Para
solucionar
este
problema
debemos
seguir los
pasos para
la
construccin
de modelos
de
programaci
n lineal (PL):
1.- Definir la
variable de
decisin.
2.- Definir la
funcin
objetivo.
3.- Definir
las
restricciones
.
Luego
construimos
el modelo:
MAX Z =
7X1 + 3X2 +
3X3
S.A.:
60X1 +25X2
+ 20X3 <=
100.000
60X1 <=
60.000
25X2 <=
25.000
20X3 <=
30.000
Xi >= 0
A
continuacin
se
construye el
modelo en
una hoja de
clculo de
Excel
de la
siguiente
manera:
^ y
10 ' | H K
S
=:
I
=SUMAPRODUCTO($B$2:$D$2;B3:D3
3
A
Problema de Inversin
cantidad de Acciones
Rendimiento
Restricciones
Accir
60
60
A1
A2
A3
% $>
z fi.
I- o
00
= s
# 4P;
100%
-A
)
0
Precio de
25
20
25
20
/ Hoja2 / Hoia3~7
H\Ho)al
Autoformas
Dibujo fcj I
l 51
LD
10000 0
60000
25000
30000
Holgura
10000 0
60000
25000
30000
B A\
Explotin g
9:56 A M
=SUMAPRODUCTO($B$2:$D$2;B3:D3
A
cantidad de Acciones
Restricciones
Precio de Accir
A2
A3
Parmetros de Solver
)
Problema
C de InversinD
Rendimiento
A1
60
60
25
LD
10000 0
60000
25000
30000
20
25
Celda objetivo:
20
Valor de la celda objetivo:
Mximo
C Mnimo
?Txl
C Valores de:
Holgura
10000 0
60000
25000
30000
rCambiando
Resolver
Sujetas a [as siguientes restricciones:
*
JD$2 >= 0 las celdas
$E$7
|$B$2:$D$2
Cerrar
$E$5 = $F$5
"3
Estimar
Opciones...
:
<= $F$7
<=
\ \ r \ Arc hiv o
Edicin
Ve r
Insertar
Formato
H e r r am i e n t as
Datos
Vent ana
100%
l
J
i- o
00
= S U M A P R O D U C T O ( $ B $ 2 : $ D $ 2 ; B 5 : D 5
1
Jj
Respuest as
Sensibilidad
Lmites
solucin de
( * Solver]
t jl izar
Rest aurar
> valores originales
C a nc e l a r
Aceptar
L#
Guardar
A yuda
Dibujo (s
Aut of orm as * \
: ; J f i S t a^ rM
t i c r 0o js oBfa n c o C e . . .
^ S i st e m a d. ..
41
^ E x p l o r n g . . .
& s
t
" = ^
Micros.
9:57 AM
EJEMPLOS RESUELTOS
Ejercicio # 1
La administracin de
Seervada Park necesita
determinar los caminos
bajo los cuales se deben tender
las lneas telefnicas para
conectar todas las
estaciones con una longitud
mnima de cable. Se describir
paso a paso la
solucin de este problema con
base en los datos que se dan
en la siguiente
figura:
En forma arbitraria, se
selecciona el nodo O para
comenzar. El nodo no
conectado ms cercano a O es
el nodo A. Se conecta el nodo A
al nodo O.
El nodo no conectado
ms cercano a cualesquiera de
los nodos O o A
Todos
nodos
los
han
C
8
2
2
7
8
D
6
B
4
A
7
quedad
o
conect
ados,
por lo
que
sta es
la
soluci
n
(ptima
) que
se
buscab
a.
La
longitud
total de
las
ramas
es 14
kilmetr
os.
Aunque
con
este
procedi
miento
a
primera
vista
puede
parecer
que la
eleccin
del
nodo
inicial
afectar
a la
solucin
final (y
la
longitud
total de
las
ligadura
s), en
realidad
no es
as. Se
sugiere
que se
verifiqu
e este
hecho
para el
ejemplo
,
aplican
do de
nuevo
el
algorit
mo,
pero
iniciand
o en un
nodo
distinto
de
O.
Ejercici
o#2
Supng
ase
que en
la red
que se
muestra
en la
siguient
e
figura,
los
nodos
son
centros
de
consum
o
elctric
o, y
los
nmero
s en
los
arcos
son
distanci
as en
kilmet
ros. Se
trata de
encontr
ar el
rbol
que
con
una
longitu
d
total
mnima
,
comuni
ca a
todos
los
nodos.
Como
el costo
de
tendido
de
cable
elctric
o es
proporc
ional a
la
distanci
a, se
habr
encontr
ado,
con la
distanci
a
mnima,
tambin
el costo
mnimo.
I
T
E
R
A
C
I
A
R
C
O
1
2
3
4
5
6
7
8
9
10
1
2
3
2
3
2
3
2
3
2
3
2
3
2
3
2
3
2
3
2
3
0
D
1
F
2
G
3
B
4
E
5
A
6
H
7
O
8
I
F
2
A
6
6
8
B
4
E
S
E
L
E
C
C
I
O
N
A
D
O
E
N
E
L
R
B
O
L
C
(
A
R
B
I
T
R
AI
R
I
O
)
ACD = 2
ADF = 2
ACG = 3
ADB = 6
ABE = 4
ADA = 6
R
B
O
L
AEH = 6
AAO = 7
AH = 8
9
Soluci
n
optima,
con
longitud
total
mnima
de
44
unidade
s.
El rbol
mnimo
de
comuni
cacin,
que no
es
necesar
iamente
nico,
se
muestr
a
a
continu
acin.
Ejercici
o#3
SOLUCIN
[1,5]
[2,3]
[1,]
[1,6]
[5,3]
[3,6]
[1,5]
NODO NOD
Nj
O
Nk
N1
N1
N1
N2
N1
N3
N1
N4
N2
N5
N3
N6
N5
N7
NODO Nk
N7 = [5,3]
N5 = [2,3]
N2 = [1,5]
gjk
5
6
3
5
6
5
3
7
8
[1, ]
[1,5]
[1,6]
[1,5]
[2,3]
[3,6]
[5,3]
ETIQUETA
NK
gjk
g57 = 8 3 = 5
g25 = 3 3 = 0
g12 = 5 3 = 2
Se satisfacen 3 unidades
0 SI5.3]
V2
[1. ]
NOD
O
Nj
N1
N1
N1
N1
N3
N4
N5
NODO
Nk
j
N1
N2
N3
N4
N5
N6
N7
6
5
3
gjk ETIQUETA
NK
2
6
5
3
5
5
[1, ]
[1,2]
[1,6]
[1,5]
[3,3]
[4,5]
[5,3]
N
O
D
O
N
k
N
7
=
[5
,3
]
N
Se satisfacen 3 unidades
[1,] N
NOD
O
Nj
N1
N1
N1
N1
N3
N6
(l
NOD
O
Nk
N1
N2
N3
N4
N6
N7
gjk
3
3
2
3
5
7
7
3
X1
3 =
0
+
3
=
3
[1, ]
[1,2]
[1,3]
[1,5]
[3,3]
[6,3]
=
[3
,3
]
N
N
U
M.
D
3 E
= FL
[1 UJ
,6 O
] Xjk
X57
Se satisfacen =tres unidades
3
+
3
=
6
X35
=
0
+
3
=
gj = =
k
2 0
g G3 g12
57 5
=
= = 6
5 3
3
3 3 =
3
S[6,3
E
TI
Q
U
E
T
A
N
K
N
6
=
[3
,3
]
N
3
N=
O [1
D ,3
O]
N
k
N
7
=
[
6
,
3
]
N
U
M
.
D
E
F
L
U
J
O
Xj
k
X6
7
=
0
[1.] N
SI6.2]
++
3
=3
3
X=
36
NOD
O
Nj
N1
N1
N1
N2
N3
N6
NOD
O
Nk
N1
N2
N4
N3
N6
N7
=
0
+
3
=
3
X
gjk
2
2
2
2
5
2
4
4
[1, ]
[1,2]
[1,5]
[2,2]
[3,2]
[6,2]
Se satisfacen 2 unidades
[1
,co] \
NOD
O
Nj
N1
N1
N4
N6
NOD
O
Nk
N1
N4
N6
N7
gjk
5
5
5
5
2
[1, ]
[1,5]
[4,5]
[6,2]
4
G
36
=
7
6
3
=
gjk 4
G g1
67
=
3
13
3
=
=
3
0
N
N
=
E
TI O[1 U
Q D ,2 M
U O] .
D
E
TN E
F
Ak
NN L
U
K 7
J
=
O
Xj
[
k
6
X6
,
7
2
=
]
N 3
+
6
2
=
=
5
[
X3
3
=
7
3
=
,
2
]
N
3
=
[
2
,
2
]
N
2
=
3
+
2
=
5
X2
3
=
0
+
2
=
2 g=
X jk 2
12 g g3
= 6 6
3 7 =
+ =4
2
= 42
5 =
2
g2
23
=
E
TI
Q
U
E
T
A
N
K
2
=
0
g1
2
=
2
2
=
0
D ,5
O ]
N
k
N
7
=
[6
,2
]
N
6
=
[4
,5
]
N
4
=
N [1
O
N0
U
M+
.
D2
E
F =
L
U2
J
OX
Xj 2
k
X=
2
=
0
g3
6
=
5
2
=
3
g2
3
=
5
+ 2
=
2 gjk 3
g6
=7
36
=
= 22
67
=
5
+
2
=
7
X
Se
satisface
n2
unidades
.
Unidades satisfechas = 3 + 3 + 3 +2 +2 = 13
Se tiene un flujo mximo de 13 000
v/h, lo cual no cumple con el
requerimiento de 15 000 v / h.
[1.] N
EJERCICIOS PROPUESTOS
Ejercicio # 1
Se tiene una ruta de caminos en una reserva ecolgica.
Des
tino
Origen
Saltillo
Mrida
Guada
lajara
Oa
xac
a
Ejercicio # 3
En un pequeo aeropuerto
que est creciendo, la compaa
aerea local
0
piensa comprar un tractor nuevo
1
i
para mover el tren de carros que
2
llevan y traen
el equipaje de los aviones. Dentro
de tres aos se instalar un
nuevo sistema
mecanizado de transporte de
equipaje, por lo que despus no
se necesitar el
tractor. No obstante, tendr una
carga de trabajo pesada y los
costos de
operacin y mantto. Aumentarn
rpidamente con el tiempo y
podra resultar
costeable reemplazarlo en uno o
dos aos. La siguiente tabla
proporciona los
costos descontados netos totales
asociados a la compra del tractor
(precio de
1
8
J
2
18
10
3
31
21
12
El problema es determinar
en qu momento debe
remplazarse el tractor
para minimizar el costo total
durante los tres aos.
a) Formule este como un problema
de la ruta ms corta.
BIBLIOGRAFA
Introduccin a la
Investigacin de
Operaciones
S.
Hillier, Frederick
J.
Lieberman,
Gerald
Sexta Edicin.
A.
Mtodos y
Modelos de
Investigacin de
Operaciones
Vol. 1
Modelos
Determinsticos
Prawna, Juan
Editorial Limusa
Investigacin de
Operaciones
Taha,
Hamdy
Editorial Prentice
Hall
Mtodos
Cuantitativos
Para los
Negocios
Anderson,
Sweeney,
Williams
Editorial
Thomson
ELABORARON:
CASTRO OCHOA
AGUSTN
ELIZALDE
RAMREZ
FERNANDO
RODRGUEZ
MARTNEZ
JOAQUN
CRISTBAL