P. 1
I.O.II.principal

I.O.II.principal

|Views: 58.930|Likes:

More info:

Published by: Fernando Elizalde Ramirez on Jul 29, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

02/03/2014

pdf

text

original

MANUAL DE INVESTIGACIÓN
DE OPERACIONES II

CATEDRÁTICO:
m. c. RAÚL LEONEL GUZMÁN SAMPAYO.

REALIADO POR:
CASTRO OCHOA AGUSTIN.
ELIZALDE RAMIREZ FERNANDO.
RODRIGUEZ MARTINEZ JOAQUIN C.
SONI SANTOS IRIS ABRIL.

ESPECIALIDAD:
INGENIERÍA INDUSTRIAL

PERIODO:
AGOSTO-DICIEMBRE 2008

CERRO AZUL, VER.

ÍNDICE

UNIDAD I:

PROGRAMACIÓN DINÁMICA

1.1Características de la programación dinámica: etapas, estados,
fórmula recursiva, programación en avance y retroceso…….. .........................4
1.2 Algunos modelos de ejemplos de Programación Dinámica………………...6
1.3 Programación dinámica determinística……………………………………..…7
1.4 Programación dinámica probabilística………………………………….……..8
1.5 Problema de dimensionalidad de Programación Dinámica…………………8
Ejercicios resueltos……………………………………………………………..…..10
Ejercicios propuestos……………………………………………………………..…21

UNIDAD II:

TEORÍA DE COLAS

2.1 Introducción y casos de aplicación……………………………………………24
2.2 Definiciones características y suposiciones………………………………….24
2.3 Terminología y notación. …………………………………………………..…..26
2.4 Proceso de nacimiento 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 Servidores múltiples, cola infinita, fuente infinita. ……………………………32
2.8 Servidores múltiples, cola finita, fuente finita. ……………………………..…34
Ejercicios resueltos…………………………………………………………………..36
Ejercicios propuestos……………………………………………………………..…40

UNIDAD III:

TEORÍA DE DECISIÓN

3.1 Características generales de la teoría de decisiones. ……………………..43
3.2 Criterios de decisión determinísticos y probabilísticos……………………..44
3.3 Valor de la información perfecta. ……………………………………………..45
3.4 Árboles de decisión. …………………………………………………………...46
3.5 Teoría de dualidad. ………………………………………………………….…47
3.6 Decisiones secuenciales. ………………………………………………….…..49
3.7 Análisis de sensibilidad. …………………………………………………...…..49
Ejercicios resueltos…………………………………………………………………..51
Ejercicios propuestos………………………………………………………………..55

UNIDAD IV:

CADENAS DE MARKOV

4.1 Introducción. …………………………………………………………………….58
4.2 Formulación de las cadenas de Markov. ……………………………….……58

2

4.3 Procesos estocásticos. …………………………………………………….…60
4.4 Propiedad Markoviana de primer orden. ……………………………………60
4.5 Probabilidades de transición estacionarias de un solo paso……………...61
4.6 Probabilidades de transición estacionarias de n pasos…………………...63
4.7 Estados absorbentes. …………………………………………………………64
4.8 Probabilidades de transición estacionarias de estados estables.
Tiempos de primer paso. ………………………………………………….65
Ejercicios resueltos…………………………………………………………………66
Ejercicios propuestos………………………………………………………………72

UNIDAD V:

OPTIMIZACIÓN DE REDES

5.1 Terminología……………………………………………………………………75
5.2 Problema de la ruta más corta. Redes cíclicas y acíclicas. ………………77
5.3 Problema del árbol de mínima expansión. …………………………………80
5.4 Problema de flujo máximo. …………………………………………………...81
5.5 Problema de flujo de costo mínimo. ………………………………………...83
5.6 Programación lineal en teoría de redes. ……………………………………86
5.7 Uso de programas de computación. ……………………………………..…88
Ejercicios resueltos……………………………………………………………..….95
Ejercicios propuestos……………………………………………………………..103
Bibiliografía………………………..………………………………………………..105

3

UNIDAD I:

PROGRAMACIÓN DINÁMICA

1.1

CARACTERÍSTICAS DE LOS PROBLEMAS DE
PROGRAMACIÓN DINÁMICA: ETAPAS, ESTADOS, FÓRMULA
RECURSIVA, PROGRAMACIÓN EN AVANCE Y EN RETROCESO

La programación dinámica es una técnica matemática que se utiliza para
la solución de problemas matemáticos seleccionados, en los cuales se toma
una serie de decisiones en forma secuencial.

Proporciona un procedimiento sistemático para encontrar la combinación
de decisiones que maximice la efectividad total, al descomponer el problema en
etapas, las que pueden ser completadas por una o más formas (estados), y
enlazando cada etapa a través de cálculos recursivos.

La programación dinámica es un enfoque general para la solución de
problemas en los que es necesario tomar decisiones en etapas sucesivas. Las
decisiones tomadas en una etapa condicionan la evolución futura del sistema,
afectando a las situaciones en las que el sistema se encontrará en el futuro
(denominadas estados), y a las decisiones que se plantearán en el futuro.

La programación dinámica parte de una pequeña porción del problema y
llega a la solución óptima para esa pequeña parte del problema, entonces
gradualmente se agranda el problema hallando la solución óptima en curso a
partir de la anterior. Este proceso se repite hasta obtener la solución óptima
del problema original.

El problema de la diligencia es un prototipo literal de los problemas de
programación dinámica. Por tanto una manera de reconocer una situación que
se puede formular como un problema de programación dinámica es poder
identificar una estructura análoga a la del problema de la diligencia.

Características básicas.

1.- El problema se puede dividir en etapas que requieren una política de
decisión en cada una de ellas.

2.- Cada etapa tiene cierto número 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 política de decisión en cada etapa es transformar el estado
actual en un estado asociado con el inicio de la siguiente etapa.

4.- El procedimiento de solución está diseñado para encontrar una política
óptima para el problema completo.

4

5.- Dado el estado actual, una política óptima para las etapas restantes es
independiente de la política adoptada en etapas anteriores. Este es el principio
de optimalidad para programación dinámica.

6.- El procedimiento de solución se inicia al encontrar la política óptima para la
última etapa.

7.- Se dispone de una relación recursiva que identifica la política óptima para la
etapa n, dada la política óptima para la etapa n+1. La forma precisa de relación
recursiva difiere de un problema a otro de programación dinámica, pero
usaremos una notación análoga a la siguiente:

N = número de etapas.

n = etiqueta para la etapa actual ( n = 1,2,...,N)

sn = estado actual para la etapa n

xn = variable de decisión para la etapa n

xn* = valor óptimo de xn (dado sn)

fn(sn,xn) = contribución a la función objetivo de las etapas n, n+1,...,N, si el
sistema se encuentra en el estado sn en la etapa n, la decisión inmediata es xn
y en adelante se toman decisiones óptimas. fn*(sn) = fn(sn,xn*) La relación
recursiva siempre tendrá la forma: fn*(sn) = mín fn(sn,xn) ó fn*(sn) = max
fn(sn,xn)

8.- Cuando se usa esta relación recursiva, el procedimiento de solución
comienza al final y se mueve hacia atrás etapa por etapa, hasta que encuentra
la política óptima desde la etapa inicial.

Procedimiento de solución.

1. Se construye una relación recursiva que identifica la política óptima para
cada estado en la etapa n, dada la solución óptima para cada estado en la
etapa n + l.

2. Se encuentra la decisión óptima en la última etapa de acuerdo a la política
de decisión establecida. Comúnmente la solución de esta última etapa es
trivial, es decir, sin ningún método establecido, tomando en cuenta solamente
la "contribución" de la última etapa.

3. La idea básica detrás de la relación recursiva es trabajar "hacia atrás",
preguntándose en cada etapa: ¿qué efecto total tendría en el problema si tomo
una decisión particular en esta etapa y actúo óptimamente en todas las etapas
siguientes?

5

Si se resolviera el problema "hacia adelante", es decir, de la primera
etapa hacia la sería necesario realizar una enumeración exhaustiva de todas
las alternativas, que resolviéndolo "hacia atrás" reducimos el número de
alternativas a analizar, simplificando la solución del problema. Cuando se llega
a la etapa inicial se encuentra la solución óptima.

1.2 EJEMPLOS DE MODELOS DE PROGRAMACIÓN DINÁMICA

El problema de la diligencia.

Un cazafortunas desea ir de Missouri a California en una diligencia, y
quiere viajar de la forma más segura posible. Tiene los puntos de salida y
destino conocidos, pero tiene múltiples opciones para viajar a través del
territorio. Se entera de la posibilidad de adquirir seguro de vida como pasajero
de la diligencia.

El costo de la póliza estándar (cij ) se muestra en la tabla siguiente.

El problema de las monedas.

Para el problema de las monedas con programación dinámica se
necesita crear un algoritmo que permita a una máquina expendedora devolver
el cambio mediante el menor número de monedas posible. Mediante la
programación dinámica se solucionará el caso en el que el número de
monedas de cada tipo es ilimitado. En el problema de las monedas mediante el
algoritmo voraz el que el número de monedas es ilimitado.

6

El problema de la mochila.

Sean n objetos no fraccionables de pesos pi y beneficios bi. El peso
máximo que puede llevar la mochila es C. Queremos llenar la mochila con
objetos, tal que se maximice el beneficio.

Los pasos que vamos a seguir son los siguientes:

•Ver que se cumple el principio de optimalidad de Bellman.
•Buscar ecuaciones recurrentes para el problema.
•Construir una tabla de valores a partir de las ecuaciones.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->