Академический Документы
Профессиональный Документы
Культура Документы
Dinámica
Unidad: 3
Investigación
de Operaciones
cual el modelo original puede descomponerse en subproblemas Entera
más pequeños y manejables), la programación d e red (en la Programación
Técnicas de
cual el problema puede modelarse como una red), y la no lineal
programación n o lineal (en la cual las funciones del modelo Programación
son no lineales).» de red
Programación
« Una peculiaridad de la mayoría de las técnicas de Investigación dinámica
de Operaciones es que por lo general las soluciones no se obtienen
en formas cerradas (como si fueran fórmulas), sino que más bien
se determinan mediante algoritmos. Un algoritmo proporciona
reglas fijas de cálculo que se aplican en forma repetitiva al
problema, y cada repetición (llamada iteración) acerca la Computad ora
solución a lo óptimo. Como los cálculos asociados con cada Heurística
Conocimiento
de la
Estructura
Conocimiento Problema
Term inología P rototíp ico
de la
Creatividad
variedad de
aplicaciones
Resolución
de Problema de la
Problemas diligencia
PD
Posibles
soluciones
R ut a m á s
P rueba y P rogram ación
b a r a t a en
error dinámica
cada et apa
ABFIJ
Sean x n (n = 1, 2, 3, 4) las variables de decisión que representan el destino inmediato de la etapa n (el n-ésimo
viaje que se h a r á en diligencia). La r u t a seleccionada es A → x 1 → x 2 → x 3 → x 4 , donde x 4 = J.
Sea f n (s, x n ) el costo total de la mejor política global p a r a enfrentar las etapas restantes, mientras el agente de
ventas se encuentra en el estado s, listo p a r a iniciar la etapa n y elige x n como destino inmediato.
Dados s y n, sea x n * el valor de x n —no necesariamente único— que minimiza f n (s, x n ), y sea f* n (s) el valor
mínimo correspondiente de f n (s, x n ). Entones,
donde
Programación dinámica: Determinar de ma n e r a sucesiva f4*(s), f3*(s), f2*(s), p a r a cada uno de los estados
posibles s y u s a r después f2*(s) p a r a encontrar f 1 *(A).
1. Ejemplo prototipo de programación dinámica
Procedimiento de solución
(5/10)
E n el problema de la diligencia, el procedimiento de solución se basa en
construir u n a tabla de cada et apa (n) que prescribe la decisión óptima
(x*n) p a r a cada estado posible (s).
1. Ejemplo prototipo de programación dinámica (6/10)
Caso: s = C
1. Ejemplo prototipo de programación dinámica
(7/10)
Términos
Política E speciales
Estado Et a p a
Soluciones:
A→C→E →H →J
A→D→E →H →J
A → D → F → I→ J
1. Ejemplo prototipo de programación dinámica
(8/10)
« El problema de la diligencia es u n prototipo literal de los problemas de programación dinámica. »
Los problemas de
programación dinámica se
pueden interpretar en
términos de las redes.
Cada nodo corresponde a un
estado.
La red consistiría en columnas
« E n la mayor parte de los casos, el objetivo corresponde a encontrar la trayectoria más corta o bien la más larga
a través de la red. »
f n (s, x n ) = costo inmediato (etapa n) + costo futuro mínimo o máximo (etapas n + 1 en adelante)
= c sxn + f * n + 1 (x n ).
Relación recursiva: La relación recursiva recurre constantemente a las etapas posteriores a medida que se
trabaja hacia a t r á s u n a etapa a la vez.
f n (s, x n ) = costo inmediato (etapa n) + costo futuro mínimo ó máximo (etapas n + 1 en adelante)
= c sxn + f * n + 1 (x n ).
2. Características de los problemas de los PD (1/2)
1. El problema se puede dividir en etapas, cada una de las cuales requiere de una
política de decisión (serie de decisiones interrelacionadas).
2. Cada etapa tiene cierto número de estados asociados con su inicio (distintas
condiciones posibles en las que se puede encontrar el sistema en cada etapa del
problema).
4.El procedimiento de solución está diseñado para encontrar una política óptima
para manejar el problema completo (una política de decisión óptima para cada
etapa en cada uno de los estados posibles).
8.Se dispone de una relación recursiva que identifica la política óptima para
la etapa n, dada la política óptima para la etapa n + 1.
El estado de la
siguiente
El estado de la siguiente etapa no está determinado por
etapa está
determinado por completo por el estado y la política de la etapa actual.
completo por el
estado y la política
de decisión de la La distribución
etapa actual. Se tiene una de probabilidad
distribución de queda
Se genera un
probabilidad completamente árbol de
para determinada por decisiones
determinar cuál el estado y la
será el política de
decisión de la
siguiente estado.
etapa actual.
3. Programación Dinámica
Determinística y Probabilística
(2/3)
PD Determinística PD Probabilística
Relación de Recursividad
3. Programación Dinámica
Determinística y Probabilística
(3/3)
Clasificación de problemas de PD Determinística
Maximización de
operaciones
Forma de función
objetivo
Minimización de
Operaciones « U n a vari ab l e d i s c re t a es u n a variable que solo
puede tomar algunos valores dentro de u n mínimo
conjunto numerable, quiere decir, no acepta
Clasificación de
problemas Representados por cualquier valor, únicamente aquellos que pertenecen
u n a variable de al conjunto. Como ejemplo, el número de animales en
estado discreta u n a granja (0, 1, 2, 3, 4, 5, 6, 7,......) »
Por ejemplo, si u n problema tiene 10 etapas con 10 estados y l0 decisiones posibles en cada etapa, la enumeración
exhaustiva tendría que considerar h a s t a 10 mil millones de combinaciones, mientras que la programación dinámica
necesita hacer como máximo mil cálculos (10 p a r a cada estado en cada etapa).
NB La recursividad hacia a t r á s puede ser más eficiente desde el punto de vista computacional.
Problema de la dimensionalidad
« El aumento en la cantidad de variables de estado incrementa los cálculos en cada etapa. Es t a dificultad
computacional en ocasiones se conoce en la literatura como el maleficio de dimensionalidad. »
5. Aplicaciones de PD
seleccionadas
Aplicación 1: Modelo de la mochila / equipo de vuelo / carga de contenedor
« El modelo de la mochila tiene que ver clásicamente con el hecho de determinar los artículos más valiosos que
u n combatiente carga en u n a mochila. »
« El problema representa u n modelo de asignación de recursos general en el cual se utilizan recursos limitados
por varias actividades económicas. El objetivo es maximizar el rendimiento total. »
Modelo
Sujeto a
El rendimiento p a r a m i es r i m i
5. Aplicaciones de PD
seleccionadas
Aplicación 1: Modelo de la mochila / equipo de vuelo / carga de contenedor
Ecuación Recursiva
fi(xi) como u n a
función de fi(xi+1)
Paso 1
Paso 2
Xx+1 como u n a
función de x i
5. Aplicaciones de PD
seleccionadas
Ejemplo / Aplicación 1: Modelo de la mochila / equipo de vuelo / carga de contenedor
W = 4 tn
5. Aplicaciones de PD
seleccionadas
Ejemplo / Aplicación 1: Modelo de la mochila / equipo de vuelo / carga de contenedor
Et a p a 3
Et a p a 2
5. Aplicaciones de PD
seleccionadas
Ejemplo / Aplicación 1: Modelo de la mochila / equipo de vuelo / carga de contenedor
Et a p a 1
E t a p a 1: E t a p a 2:
x1 = 4 → m1* = 2 x 2 = x 1 – 2m 1 * = 4 – 2x2 = 0 → m 2 * = 0 La solución óptima tiene la forma:
→ w 1 m 1 * = 2 x 2 = 4; r 1 m 1 = 31 x 2 = 62 → w 2 m 2 * = 3 x 0 = 0; r 2 m 2 * = 47 x 0 = 0 (m 1 *; m 2 *; m 3 *)
→ 62 mil dólares → 0 mil dólares = (2; 0; 0)
Alternativas en la et ap a Cantidad de
x i = 0, 1, . . . , [W/w i]
i trabajadores i
Xi-1; Cantidad de
Estado en la et apa i trabajadores en la
sem ana i-1
5. Aplicaciones de PD
seleccionadas
Aplicación 2: Modelo de tamaño de la fuerza de trabajo
Ecuación Recursiva
f n+1 (x n)
Paso 1
Paso 2
fi(xi-1) como u n a
función de fi+1(xi)
Etapa 5
Etapa 4
Etapa 2
Etapa 1
Solución óptima:
x0 = 0
→ x1 = 5
→ x2 = 8
→ x3 = 8
→ x4 = 6
→ x5 = 6
P r o g r ama de trabajo:
5. Aplicaciones de PD seleccionadas
Aplicación 3: Modelo de reemplazo de equipo
« Las máq u i n as que permanecen mucho tiempo en servicio incurren en u n alto costo de
mantenimiento y pueden ser reemplazadas después de u n a cierta cantidad de años en operación.
La situación tiene que ver con determinar la edad má s económica de u n a máquina. »
Conservar (K) /
Alternativas en la etapa i reemplazar (R) la
máquina al inicio del año i
Edad de la máquina al
Estado en la etapa i inicio del año i
5. Aplicaciones de PD seleccionadas
Aplicación 3: Modelo de reemplazo de equipo
Ecuación Recursiva
f n (t)
Paso 1
Paso 2
f i (t) como u n a
función de f i+1 (t +1)
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 3: Modelo de reemplazo de equipo
« Al inicio del año 1 tenemos u n a máquina de 3 años de edad. Podemos o reemplazarla (R), o bien conservarla
(K) durante otro año. Si el reemplazo ocurre, la nueva máquina tendrá u n año de edad al inicio del año 2; de lo
contrario, la máquina conservada tendrá 4 años de edad. »
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 3: Modelo de reemplazo de equipo
Etapa 4
Etapa 3
5. Aplicaciones de PD
seleccionadas
Ejemplo / Aplicación 3: Modelo de reemplazo de equipo
Etapa 2
Etapa 1
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 3: Modelo de reemplazo de equipo
Solución
(R, K, K, R) $55,300
Política
óptima
(R, R, K, K) $55,300
5. Aplicaciones de PD
seleccionadas
Aplicación 4: Modelo de Inversión
Suponga que desea invertir las cantidades P 1 , P 2 ,…, P n , al inicio de cada uno de los siguientes n
años. Tiene dos oportunidades de inversión en dos bancos. First Ban k paga u n a t a s a de interés r 1
y Second Ban k paga r 2 , ambos compuestos anualmente. P a r a fomentar los depósitos, ambos
bancos pagan bonos sobre nuevas inversiones en la forma de u n porcentaje de la cantidad
invertida. Los porcentajes de los bonos respectivos p a r a First Ban k y Second Ban k son q i1 y q i2
p a r a el año i.
NB1 Los bonos se pagan al final del año en que se hizo la inversión y pueden reinvertirse en
cualquiera de los bancos en el año inmediatamente subsiguiente. Esto significa que sólo pueden
invertirse bono y dinero nuevo fresco en cualquiera de los bancos.
NB2 U n a vez que se deposita u n a inversión, debe permanecer en el banco h a s t a el final del año n.
P 1 , P 2 , …, P n = Cantidades a invertir
r 1 = Tasa de interés – First Ban k
r 2 = Tasa de interés – Second Ban k
q i1 = Porcentaje de bono – First Ban k
q i2 = Porcentaje de bono – Second Ban k
5. Aplicaciones de PD seleccionadas
Aplicación 4: Modelo de Inversión
Planteamiento
Los términos qn1 y qn2 en sn se agregan porque los bonos p a r a el año n forman part e de la s u m a de dinero final acumulada a
part i r de la inversión.
5. Aplicaciones de PD
seleccionadas
Aplicación 4: Modelo de Inversión
Elementos clave
Cantidades invertidas
Alternativas en la et ap a
en First Bank y en Ii e Īi
i
Second Bank
Cantidad disponible
Estado en la et apa i p a r a inversión al inicio
del año i
5. Aplicaciones de PD seleccionadas
Aplicación 4: Modelo de Inversión
f n+1 (x n+1 )
Paso 1
Paso 2
fi(x) como u n a
función de f i+1 (xi+1 )
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 4: Modelo de Inversión
Suponga que desea invertir $4000 ahora y $2000 al inicio de los años 2 a 4. La t a s a de interés
ofrecida por First Ban k es 8% compuesto anualmente, y los bonos a lo largo de los 4 años
siguientes son 1.8%, 1.7%, 2.1% y 2.5%, respectivamente. La t a s a de interés an u al ofrecida por
Second Ban k es .2% má s baja que la de First Bank, pero sus bonos son .5% má s altos. El objetivo
es maximizar el capital acumulado al cabo de 4 años.
P 1 , P 2 , …, P n = Cantidades a invertir
r 1 = Tasa de interés – First Ban k
r 2 = Tasa de interés – Second B an k
q i1 = Porcentaje de bono – First Ban k
q i2 = Porcentaje de bono – Second Ban k
α k = (1 + r k ); k= 1, 2
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 4: Modelo de Inversión
Etapa 4
Donde:
Por lo tanto:
5. Aplicaciones de PD
seleccionadas
Ejemplo / Aplicación 4: Modelo de Inversión
Etapa 3
Donde:
Por lo tanto:
5. Aplicaciones de PD
seleccionadas
Ejemplo / Aplicación 4: Modelo de Inversión
Etapa 2
Donde:
Por lo tanto:
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 4: Modelo de Inversión
Etapa 1
Donde:
Por lo tanto:
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 4: Modelo de Inversión
Revisión hacia a t r á s
I 1 * = 4000
→ I 2 * = x2
→ I3* = I4* = 0
Solución óptima