Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Proyecto:
UNIDAD 1
PROGRAMACION DINAMICA
Especialidad:
Ing. Industrial
Estudiantes:
EQUIPO 1
Carlos Flores Salazar
Aracely Adelnery
Rolando Ortiz
Jos Chvez
Hctor Pilotsi
Maestro:
Luis Manuel Pizarro
Materia:
Investigacin de Operaciones 2
29-Jun-14
1
6.- Funcin costo acumulado, f n(en , xn ) : Costo total acumulado en n-etapas dado
un estado y una decisin particular.
7.- Funcin objetivo f n * (en ) : Objetivo a alcanzar al finalizar el problema. (Max o
Mini). Notemos que para un valor determinado de e n se tendrn varias decisiones
posibles de , xn y entre ellas la decisin ptima, x*n .
Resolucin de un problema de programacin dinmica
Identificar las etapas, variables de decisin y variables de estado.
Descripcin de las ecuaciones de recurrencia.
Optimizar cada subproblema en cada etapa en funcin de los resultados de la
resolucin del subproblema siguiente.
El mtodo de solucin determina inicialmente la poltica de decisin ptima para la
ltima etapa. Esto es generalmente trivial. Recursividad hacia atrs.
Clasificacin de los problemas de programacin dinmica
Programacin dinmica deterministica: son problemas dinmicos, donde el estado
en la siguiente etapa est completamente determinado por el estado y la decisin
actual.
Discretos
Continuos
Programacin dinmica probabilstica: existe una distribucin de probabilidad
sobre lo que puede ser el siguiente estado.En la programacin dinmica
probabilstica, el estado en la etapa siguiente noqueda completamente
determinado por el estado y la decisin de la subpolticaen el estado actual, sino
que existe una distribucin de probabilidad para loque sera el estado siguiente.
Grficamente tenemos:
Este caza fortunas era un hombre prudente que estaba preocupado por su
seguridad. Despus de reflexionar un poco se le ocurri una manera bastante
ingeniosa para determinar la ruta mas segura. Se ofrecan plizas de seguros de
vida a los pasajeros. Como el costo de la pliza para cualquier jornada de la
diligencia estaba basado en una evaluacin cuidadosa de la seguridad del
recorrido, la ruta mas segura deba ser aquella que tuviera el costo total mas
barato.
El costo de la pliza estndar para el viaje en diligencia, del estado i al estado j, se
denotara por Cij, y es
4
PROCEDIMIENTO DE SOLUCION.
n = 4 donde X4 = J
F4*(s,J) = Cij + Fn+1*(Xn)
s
F4*(s)
X4*
n=3
F3*(s,X3) = Csx3 + F4*(X3)
X3
S
H
F3*(S)
X3*
n=2
F2*(s,X2) = Csx3 + F3*(X2)
X2
S
E
F2*(S)
X2*
11
11
12
11
EoF
10
11
EoF
n=1
F1*(s,X1) = Csx1 + F2*(X1)
X1
F1*(S)
X1*
13
11
11
11
CoD
Soluciones ptimas:
ACEHJ
ADEHJ
ADFIJ
Ejemplo 2
Un viajero quiere saber cul es el camino ms corto en km para administrar la
gasolina de su automvil y poder tener un ahorro en su dinero, pero al checar el
mapa se da cuenta que tiene varios caminos que puede tomar para llegar a su
destino as que decidi aplicar la programacin dinmica para saber qu camino
tomar y cumplir con su objetivo de optimizar la gasolina.
n=4
s x4
I
J
K
n=3
s x3
E
F
G
H
n=2
s x2
B
C
D
n=1
s x1
A
F4(s)
14
6
15
I
k
24
21
25
E
23
19
B
29
X4
L
L
L
F3+(s)
X3
14
15
14
18
14
15
14
18
J
J
J
J
X2
E
G,E
G
X1
C
F
25
22
C
27
22
21
G
19
22
24
32
F2+(s)
23
19
22
D
29
F1(s)
27
RESPUESTA PROBLEMA 1
Nodo A
Distancia ms corta al nodo A = 7 (desde el nodo O)
Nodo B
Distancia ms corta al nodo B = 8 (desde el nodo O)
Nodo C
Distancia ms corta al nodo C = 5 (desde el nodo O
Nodo D
Ruta AD: 7+12 = 19; Ruta BD: 8+8 = 16; Ruta CD: 5+7 = 12
Distancia ms corta al nodo D =min{7+12,8+8,5+7} = 12 (desde el nodo C)
Nodo E
Ruta BE: 8+9 = 17; Ruta CE: 5+13 = 18
Distancia ms corta al nodo E = min {8+9,5+13}= 17 (desde el nodo B)
Nodo T
Ruta DT: 12+9 = 21; Ruta ET: 17+6 = 23
Distancia ms corta al nodo T =min {12+9,17+6} = 21 (desde el nodo D)
10
EJERCICIO 2
Alicia se encuentra de vacaciones y quiere visitar a sus papas que viven en
Guanajuato (T) y ella se encuentra en ciudad juarez (O), pero tiene que pasar por
varias ciudades, encuentre la ruta mas corta entre ciudad juarez y guanajuato (T y
O) usando programacin dinmica con recursiva hacia adelante su poniendo que
se tiene la sig red.
Sub grupos.
5+10=15
F1=min=
9+4=13 =13 km del nodo B
i=ABC
8+9=17
11
9+10=19
F2=min=
8+9=17 =17 km del nodo C
ABC
5+17=22
F3=min= 13+8=21=21 km del nodo D
17+9=26
Ruta ms optima = es 21 km
Ruta ms corta = O B D T
F1(x1)=min(d,x,X1*1) + (f, X(X1 + 1) i= 1, 2, 3
Etapa 1
X3
Xy
Xy
Etapa 2
X2
Xy
F1 (X2) Sol
optima
F2 (X2)
X1
8+10=18
9+17=26
18
8+4=12
9+10=19
12
8+9=17
9+9=18
17
X1
X2 =A
X1=B
X3=C
Fx
X2
18+5=23
12+9=21
17+8=25
21
Etapa 3
12
2. Las alternativas en cada etapa incluyen hacer girar la rueda una vez ms o
terminar el juego.
3. El estado j del sistema en la etapa i se representa con uno de los nmeros de 1
a n que se haya obtenido en el ltimo giro.
Sea
Fi (j) =Ingreso mximo esperado cuando el juego est en la etapa (el giro) i y el
resultado del ltimo giro fue j
En este caso se tiene que
Pkfi+1 ( k )
2j, si
2j, si
=i=2,3.m
n
Giro:
Pkfi+1(k )
k1
F1(0)=
Pkf 2(k )
k1
Etapa 5.
f5( j)2 = 2j
Solucin ptima
Resultado j del giro 4
1
2
3
4
5
f5( j)
2
4
6
8
10
Decisin
Terminar
Terminar
Terminar
Terminar
terminar
Etapa 4.
F4( j ) = mx( 2j, p1f5(1)+p2f5(2)+p3f5(3)+p4f5(4)+p5f5(5))
= mx (2j, 03*2+0.25*4+0.2*6+0.15*8+0.1*10)
= mx (2j,5)
Resultado j
del giro3
1
2
3
4
5
Ingreso
esperado
terminar
2
4
6
8
10
girar
Solucion
optima
F(j)
decision
5
5
5
5
5
5
5
6
8
10
Girar
Girar
Terminar
Terminar
terminar
Etapa 3.
F3( j ) = mx( 2j, p1f4(1)+p2f4(2)+p3f4(3)+p4f4(4)+p5f4(5))
= mx (2j, 03*5+0.25*5+0.2*6+0.15*8+0.1*10)
= mx (2j,6.15)
Resultado j
del giro3
1
2
3
Ingreso
esperado
terminar
2
4
6
girar
Solucion
optima
F(j)
decision
6.15
6.15
6.15
6.15
6.15
6.15
Girar
Girar
Girar
15
4
5
8
10
6.15
6.15
8
10
Terminar
terminar
Etapa 2.
F2( j ) = mx( 2j, p1f3(1)+p2f3(2)+p3f3(3)+p4f3(4)+p5f3(5))
= mx (2j, 03*6.15+0.25*6.15+0.2*6.15+0.15*8+0.1*10)
= mx (2j,6.8125)
Resultado j
del giro3
1
2
3
4
5
Ingreso
esperado
terminar
2
4
6
8
10
girar
Solucion
optima
F(j)
decision
6.8125
6.8125
6.8125
6.8125
6.8125
6.8125
6.8125
6.8125
8
10
Girar
Girar
Girar
Terminar
terminar
Etapa 1.
F1( j ) = mx( 2j, p1f2(1)+p2f2(2)+p3f2(3)+p4f2(4)+p5f2(5))
= mx (2j, 03*6.8125+0.25*6.8125+0.2*6.8125+0.15*8+0.1*10)
= 7.31
La nica opcin disponible al iniciar el juego es girar. De acuerdo con los cuadros
anteriores, la solucin ptima es
Giro Nm.
1
2
3
4
Estrategia ptima
Comienza el juego, girar
Continuar si el giro 1 produce 1, 2 o 3.
Si no, terminar el juego
Continuar si el giro 2 produce 1, 2 o 3.
Si no, terminar el juego
Continuar si el giro 3 produce 1 o 2. Si
no, terminar el juego
Ingreso neto esperado _ $7.31 _ $5.00
_ $2.31
16
Ejemplo 2
En este modelo de inversin, hay que suponer que se desea invertir $10,000
durante los 4 aos venideros. Hay 50% de probabilidades de que el dinero
aumente al doble, 20% de probabilidades de salir a mano y 30% de probabilidades
de perder la cantidad invertida. Proponer una estrategia ptima de inversin. Al
usar la notacin del modelo se tiene que
C = $10,000, n = 4, m = 3
P1=0.4,p2=0.2,p3=0.4
R1=1,r2=0,r3=-1
Etapa 4.
r = 0.5 * 1 + 0.2 * 0 + 0.3 *-1 = 0.2
Entonces,
f4x(4)= 1.2x4
La solucin ptima se resume como sigue:
Solucin ptima
Estado
X4
F4( x4)
1.2X4
Y4
X4
Etapa 3.
F3(x3 ) = mx(0.5*1.2(x3+y3)+0.2*1.2(x3+y3)+0.3*1.2(x3+(-1)y3)
= 1.2x3+0.24y3
=1.44x3
Solucin ptima
Estado
X3
F4( x3)
1.44X3
Y3
X3
17
Etapa 2.
F2(x2 ) = mx(0.5*1.44(x2+y2)+0.2*1.44(x2+y2)+0.3*1.44(x2+(-1)y2)
= 1.44x3+0.288y3
=1.728x2
Solucin ptima
Estado
X2
F4( x2)
1.728X2
Y2
X2
F1(x1 ) =mx(0.5*1.728(x1+y2)+0.2*1.728(x1+y2)+0.3*1.728(x1+(-1)y1)
= 1.728x1+0.3456y1
=2.0736x1
Solucin ptima
Estado
X1
F1( x1)
2.0736X1
Y1
X1
la investigacin operativa. El sistema est formado por distintos mdulos, uno para
cada tipo de modelo o problema Entre ellos.
CONTIENE DIFERENTES TIPOS DE PROBLEMAS :
Linear programming (LP) and integer linear programming (ILP): este mdulo
incluye los programas necesarios para resolver el problema de
programacin lineal grficamente o utilizando el algoritmo del Simplex;
tambin permite resolver los problemas de programacin lineal entera
utilizando el procedimiento de Ramificacin y Acotacin (Branch&Bound).
Linear goal programming (GP) and integer linear goal programming (IGP):
resuelve modelos de programacin multiobjetivo con restricciones lineales.
Quadratic programming (QP) and integer quadratic programming (IQP):
resuelve el problema de programacin cuadrtica, es decir, problemas con
funcin objetivo cuadrtica y restricciones lineales. Utiliza un mtodo
Simplex adaptado. Los modelos de IQP los resuelve utilizando algoritmos
de ramificacin y acotacin.
Network modeling (NET): incluye programas especficos para resolver el
problema del transbordo, el problema del transporte, el de asignacin, el
problema del camino ms corto, flujo mximo, rbol generador, y problema
del agente viajero.
Nonlinear programming (NLP): permite resolver problemas no lineales
irrestringidos utilizando mtodos de bsqueda lineal, y problemas no
lineales con restricciones utilizando el mtodo SUMT (funcin objetivo con
penalizaciones sobre el incumplimiento de las restricciones).
PERT/CPM: mdulo de gestin de proyectos en los que hay que realizar
varias actividades con relaciones de precedencia.
WinQSB utiliza los mecanismos tpicos de la interface de Windows, es
decir, ventanas, mens desplegables, barras de herramientas, etc. Por lo
tanto el manejo del programa es similar a cualquier otro que utilice el
entorno Windows.
Al acceder a cualquiera de los mdulos se abre una ventana en la que
debemos elegir entre crear un nuevo problema (File > New Problem) o leer
uno ya creado (File > Load Problem). Las extensiones de los ficheros con
los modelos las pone el programa por defecto, por lo tanto solamente
debemos preocuparnos del nombre, que no deber tener ms de 8
caracteres
TODOS LOS MODULOS DEL PROGRAMA TIENEN EN COMUN LOS
SIGUIENTES MENUS DESPLEGABLES:
1. File: incluye las opciones tpicas de este tipo de mens en Windows, es
decir, permite crear y salvar ficheros con nuevos problemas, leer otros ya
existentes o imprimirlos.
2. Edit: incluye las utilidades tpicas para editar problemas, copiar, pegar,
cortar o deshacer cambios. Tambin permite cambiar los nombres de los
problemas, las variables, y las restricciones. Facilita la eliminacin o adicin
19
Total Contribution
funcin objetivo
Reduced Cost
Basis Status
Allowable Min c(j)
ptima
Allowable Max c(j)
base ptima
Objective Function
Constraint
Left Hand Side
Direction
Right Hand Side
ptima
Slack or Surplus
Shadow Price
la restriccin
Allowable Min RHS
la base ptima
Allowable Max RHS
cambie la base ptima
Como vemos, adems de indicar cmo cambia el valor de la funcin segn vara
el parmetro , tambin se indica la pendiente del cambio en cada tramo (Slope),
y cada vez que se produce un cambio de base, la variable que deja de ser bsica
(Leaving Variable) y la nueva variable bsica (Entering Variable).
23
TRABAJO DE UNIDAD 2
EQUIPO 2
Lunes 09 de julio del 2014
Calle Instituto Tecnolgico #310 Col. Tecnolgico C.P. 26080, Piedras Negras, Coah.Tels. (878)
783-0135, 783-0713, 783-9116, Fax Ext.103, email. info@itpiedrasnegras.edu.mx
INDICE.
25
BIBLIOGRAFIA
.PAG 35
EJEMPLO PRCTICO
26
27
29
pn ( t )=
t e
n!
, n=0,1,2,
30
EJEMPLO 1:
a)
24 x 60
=120 nacimientos por da
12
b)
( 120 x 1 )0 e120 x1
po (1 ) =
=0
o!
c)
p10 ( 1 )=
( 5 x 1 )10 e5 x1
=0.01813
10 !
31
EJEMPLO 2:
En un banco la fercuencia de llegadas es de 2 clientes por minuto. Determine lo
siguiente:
a) La cantidad promedio de llegada durante 5 minutos
b) La probabilidad de que no haya llegadas durante el prximo 0.5 minuto.
c) La probabilidad de que haya al menos una llegada durante el siguiente
0.5 minuto.
5 min ( 2 min)
=10 min
1
b p ( x =0 ) ( p=0,1 )=
c p ( x=1 ) ( p=1,1 )=
10 e1 0.3678
=
=0.3678=38.78
0!
1
11 e1 1(0.3678)
=
=0.3678=36.78
1!
1!
32
po(t)=e
33
34
35
36
e=cantidad maxima
f =tamao de la fuente
M =distribucion de markov
D=tiempo constante
GI=distribucin general .
MEDIDAS DE DESEMPEO EN ESTADO ESTACIONARIO.
Las medidas de desempeo, eficiencia o funcionamiento de una cola son:
37
Analisis de porblemas.
A continuacion se presenta un resumen de las ecuaciones analiticas que
modelan el comportamiento de una cola un servidos simple que da servicio a
una poblacion infinita.
factor de utilizacin :
sistema vacio
38
po=1
unidades en el sistema
P1= po
Clientes en la cola =
Lq=
2
( )
EJEMPLO 1
Un tecninco en mantenimiento de computadoras, es capaz de instalar discos
duros a una tasa promedio de tres horas, de acuerdo con una distribucion de
probabilidad exponencial negativa.
Los clientes solicitan este servicio llegan al taller a un promedio de 2 por hora,
siguiendo una distribucion poisson.
Los clientes son atendidos sobre la prioridad de entrar primero en Sali,
proceden de una poblacion muy grande de potenciales usuarios.
Con esta informacion, obtenga las caracteristicas de operacin del sistema:
39
Solucin:
2
factor de utilizacin p= = =0.67
3
clientes en lacola l1=
22
=
=1.33 clientes
( ) 3 ( 32 )
2
=
=2 clientes
( ) 3 ( 32 )
2
tiempo enla cola w 1=
=
=0.67 horas
( ) 3 ( 32 )
tiempo promedio en el sistema=
1
=1 hora
EJEMPLO 2
Supngase un supermercado grande con muchas cajas de salida, en donde los
clientes llegan para que les marquen su cuenta con una tasa de 9 clientes por
hora y que hay 10 cajas en operacin.
40
Si hay para intercambiar en las lneas, puede tratarse este problema como 10
problemas separados (sistemas) de una sola lnea cada una con una llegada de
9 clientes por hora. Para una tasa de servicio de 12 clientes por hora:
A=9 clientes por hora
S=12 clientes por hora
RESPUESTA
CLIENTES EN LA LINEA, L4:
L 4=
A2
92
=
=2.25CLIENTES
S ( SA ) 12 ( 129 )
W 4=
A
9
=
=0.25 horas=15 minutos
S ( S A ) 12 ( 129 )
CLIENTES EN EL SISTEMA:
L3=
A
9
=
=3 clientes
S A 129
W 3=
1
1
=
=0.33 horas=20 minutos
S A 129
U=
A 9
= =0.75=0.75
S 12
P ( L 3,3 )=
A X +1
=0.32=32
S
41
Nomenclatura
: Factor de utilizacin
42
= ef + Perdido
43
Ejemplo 1
En una peluquera hay un peluquero y un total de 10 asientos. Los tiempos de llegada tienen
distribucin exponencial, y llega un promedio de 20 clientes posibles por hora. Los que llegan
cuando la peluquera est llena no entran. El peluquero tarda un promedio de 12 minutos en
atender a cada cliente. Los tiempos de corte de pelo tienen distribucin exponencial.
En nuestro problema, N = 10, =20 clientes por hora y = 5 clientes /h. Entonces = 20/5 = 4
1. Cul es la probabilidad de encontrar los 10 asientos ocupados?
2. En promedio, cunto tiempo pasar un cliente en la peluquera cuando entra?
Solucin
1.10
P10=4 (
14
)=.75
14 11
1p n+1
(1 p)
4
L=
W = Ls / ef
W=
= ef + perdido
9.67
=1.93 horas
5
44
20 = 5 + 15
Ejemplo 2
El conmutador telefnico de una empresa que vende pizzas tiene capacidad
para atender una llamada y detener otras tres en tanto que la llamada primera
es terminada. (Los clientes que estn en espera escuchan el tercer movimiento
de la Cuarta Sinfona de Mahler, por lo que nunca cuelgan y esperan a ser
atendidos.) La quinta llamada y subsecuentes dan el tono de ocupado.
Asuma que la distribucin del tiempo entre llamadas de los clientes es
exponencial con media de 2 minutos y que la distribucin de la duracin de las
llamadas atendidas es tambin exponencial con media de 4 minutos.
N = 4, = 30, = 15 y = 2.
1.- Cul es la probabilidad de que al llamar el telfono d tono ocupado?
2.- En promedio Cunto tiempo esperara el cliente al telfono?
Solucin:
1.-
P4 =
2 4 (12)
124+1
= 0.5 = 50%
Ls =
2 4 +1
1( 4+1 ) 24 +(4)
2
W = Ls / ef
= 3.16 Clientes
= ef + perdido
45
30 = 15 + 15
W=
2.5
3.16
15
46
Notacin universal
Objetivo: dados los siguientes parmetros (se suelen estimar
estadsticamente)
tasa de llegadas.
tasa de servicio.
s nmero de servidores.
se calcula =
s factor de utilizacin del sistema o intensidad de trfico (proporcin de
tiempo esperado en el que los servidores estn ocupados). Si < 1 entonces el
sistema se estabiliza. En otro caso el nmero de clientes en el sistema se
incrementa sin lmite.
L valor esperado del nmero de clientes en el sistema (la variable se denota
por N).
Lq valor esperado del nmero de clientes en cola (la variable se denota por
Nq). y
W tiempo medio de espera en el sistema (la variable se denota por T).
Wq tiempo medio de espera en la cola (la variable se denota por Tq).
47
EJEMPLO 1
Suponga que en el cruce fronterizo de Mxico y Estados Unidos, localizado
entre las poblaciones de Piedras Negras, Coahuila, y Eagle Pass, Texas, existe
un puente sobre el Ro Bravo con dos lneas de trfico, una en direccin de
Mxico a Estados Unidos y la otra en sentido contrario. La lnea de trfico de
Estados Unidos a Mxico, se bifurca a 5 garitas de inspeccin migratoria y
aduanera.
48
<1
S
15 15
=
= =0.375<1
S 5 (8) 40
Tiempo de ocupacin del servidor.
15
= =1.875
8
Probabilidad de que los servidores estn ocupados.
S 5
5
m 1
+
5
4
1
m
m=0
PO =
49
40
( 4015
)
1.875 5 +
5
1
1.875 3 +
4
1
2
1.875 +
3
1
1.875 1+
2
1
1.875 0+
1
1
0
Po=
1.875 4 +
0.1526=15.26%
Largo de la cola, L:
S 2
( S1 ) !
L=
1.875 0.1526
2
4015
4
( 15 ) ( 8 )
Elementos en el sistema, W:
50
W =L+ =0.0283+1.875=1.9033 automviles
L 0.0283
Ts= =
=0.0019 de hora
15
T w =T S +
1
0.0019+ =0.1269 de hora
8
Ejemplo 2 (CANCELADO)
51
Supngase que las llegadas son Poisson, los tiempos de servicio son
exponenciales, hay una sola lnea, varios servidores y una cola infinita que
opera con la disciplina de primero en llegar primero en ser servido. Las
ecuaciones para las caractersticas de operacin se vuelven un poco ms
complicadas. Sea :
N = nmero de servidores.
A = tasa promedio de llegadas (llegadas por unidad de tiempo).
S = tasa promedio de servicio por cada servidor (llegadas por unidad de
tiempo).
Entonces :
52
Ejemplo:
53
A = 1 por minuto.
S = 0.6 por minuto.
N=2
3.8 estudianes
Esto excede el criterio del mximo de 2 minutos de espera para el
estudiante promedio. Se tratarn tres copiadoras.
Y=0.31
54
Prctica
55
56
Nos aparecer una tabla donde vamos a capturar los datos que nos de el
problema y los que no de el problema se dejara el espacio en blanco.
Despus de esto nos aparecer una tabla con los resultados que se
requieren saber incluyendo algunos ms que dan solucin al problema.
57
58
BIBLIOGRAFA
Taha Hamdy A. Investigacin de operaciones Ed. Alfa Omega
59
Alan Alvares
Esther Guzmn
Fecha: 25/Julio/2014
60
Bajo certidumbre
Bajo certidumbre: en la que los datos se conocen
determinstica, es decir, puede predecir con certeza
consecuencias de sus acciones
de forma
todas las
Criterios de la dispersin
64
cuando
no
se
cuenta
con
FRIO
TEMPLADO CALOR
LAPLACE
PD 30,000 20,000
10,000
20,000
CF
43,000
10,667
1,000
12,000
66
Ejemplo: Habiendo una posibilidad del 10% de que haga frio, un 30%
de que este templado, y un 60% de Que este caluroso que decisin
tomaran los organizadores?
Solucin
Probabilidade 0.10
s
0.30
0.60
Bayes
FRIO
TEMPLADO CALOR
PD
30,00
0
20,000
10,000 15,00
0
CF
12,00
0
1,000
43,000 24,90
0
U de A
12.9
54.5
Petrleo
Seco
$700,000
$90,000
-$100,000
$90,000
0.25
68
0.75
e1:
Construccion
Planta
grande
e2:
Construccion
Planta
mediana
V. Altas
(0.2)
V. Medias
(0.5)
V.
Bajas
(0.3)
B*E (ei)
12
-3
0.25
72
Desarrollo
lento
Desarrollo
meticuloso
Desarrollo
rapido
Producto
nuevo
Producto
fortalecido
Consolidar
producto
Producto
efectivo
Buen
a
Moderad
a
Pobr
e
Buen
a
Moderad
a
Pobr
e
Buen
a
Moderad
a
Pobr
e
Buen
a
Moderad
a
Pobr
e
Terminologa
Nodo de Decisin: Indica que una decisin necesita tomarse en ese
punto del proceso. Est representado por un cuadrado.
74
son
bastantes
sensibles
pequeas
Sistema Nuevo
Probabilidad
Ingresos
60%
$4.000.000
75
Probabilidad
70%
$ 4.000.000
30%
$5.000.000
$ 5.000.000
10%
$6.000.000
20%
10%
Cifras de costo:
COSTO FIJO
SISTEMAANTIGUO
SISTEMA NUEVO
COSTO VARIABLE
$400
10%
$600
5%
Nuevo
(5%)
0.6 x 3,000
400) =
0.3 x 4,000
400) =
0.1 x 5,000
400) =
0.7 x 4,000
600) =
0.2 x 5,000
600) =
0.1 x 6,000
600) =
76
(300 +
$2,300
(400 +
$3,200
(500 +
$4,100
(200 +
$3,200
(250 +
$4,150
(300 +
$5,100
UBICACIN
BENEFICIOS
ANUALES
COSTOS DE
ARRENDAMIENTO
PROBABILIDAD DE
OBTERNER
BENEFICIOS
YARINA
100,000
3,500
65%
CENTRO
120,000
4,000
75%
50,000
3,000
55%
MANATAY
65% beneficios
Yarina
35% perdidas
Centro
75% beneficios
25% perdidas
55% beneficios
Manantay
45% perdidas
78
81
82
Una base de datos que cuente con informacin relacionada con las
decisiones que deben tomarse y que permitan las consultas y bsqueda
de temas especficos.
Una base de modelo, de lo cual se puedan elegir diferentes alternativas
para tomar decisiones.
Programas de aplicaciones especficas para que el grupo los use como
procesadores de palabras, grafica dotes, hojas de clculos, o paquetes
estadsticos.
Una interface flexible y fcil de usar, que permita al ejecutivo interactuar
de manera adecuada con el sistema sin requerir de mucha accesoria
ocupacin.
Desventajas:
Tarea: Unidad 4
INVESTIGACION
Lunes 28 de julio del 2014
Calle Instituto Tecnolgico #310 Col. Tecnolgico C.P. 26080, Piedras Negras, Coah.Tels. (878)
783-0135, 783-0713, 783-9116, Fax Ext.103, email. info@itpiedrasnegras.edu.mx
86
87
Note que este resultado tiene sentido intuitivo, e.g. del 25% comprando
actualmente al cereal de K, 88% continan haciendolo, aunque del 75%
comprando el cereal del competidor 15% cambia a comprar cereal de K - dando
un (fraccin) total de (0.25)(0.88) + (0.75)(0.15) = 0.3325 comprando cereal
de K.
De lo anterior, en el ao dos 33.25% de las personas estn en estado 1 - esto
es, est comprando cereal de K. Note aqu que, como un chequeo numrico,
los elementos de st deben sumar siempre uno.
En el ao tres el estado del sistema se da por:
s3 = s2P
= [0.3325, 0.6675] |0.88 0.12 |
............... |0.15 0.85 |
= [0.392725, 0.607275]
Por lo tanto en el ao tres 39.2725% de las personas estn comprando al
cereal de K.
Recalcar que est pendiente la cuestin hecha sobre la porcin que K comparte
del mercado en el largo plazo. Esto implica que necesitamos calcular st cuando
t se hace muy grande (se acerca al infinito).
La idea de la largo plazo es basada en la suposicin de que, en el futuro, el
sistema alcance un "equilibrio" (a menudo llamado el "estado sustentable") en
el sentido de que el st = st-1. sto no quiere decir que las transiciones entre
estados no tengan lugar, suceden, pero ellos tienden "al equilibrio global" tal
que el nmero en cada estado permanece el mismo.
Hay dos enfoques bsicos para calcular el estado sustentable:
Computational: - encontrar el estado sustentable calculando st para t=1,2,3,...
y se detiene cuando st-1 y st son aproximadamente el mismo. Esto es
obviamente muy fcil para una computadora y este es el enfoque usado por un
paquete computacional.
Algebraico: - para evitar clculos aritmticos largos necesarios para calcular st
para t=1,2,3,... tenemos un atajo algebraico que puede usarse. Recalcar que
en el estado sustentable st = st-1 (= [x1,x2] para el ejemplo considerado
anteriormente). Entonces como st = st-1P tenemos eso
[x1,x2] = [x1,x2] | 0.88 0.12 |
.............| 0.15 0.85 |
(y tambin notar que x1 + x2 = 1). De esto tenemos tres ecuaciones que
podemos resolver.
88
90
APLICACIONES.
Una aplicacin interesante de procesos de Markov que yo conozco es la
industria costera noruega del petroleo/gas. En Noruega un cuerpo estatal, el
Consejo de administracin de Petrleo noruego, (junto con la compaa de
aceite estatal noruega (STATOIL)), tienen un papel grande en la planeacin de
los medios para el desarrollo costero del petrleo/gas.
El problema esencial que el Consejo de la administracin del Petrleo noruego
tiene, es cmo planear la produccin para aumentar al mximo su contribucin
en el tiempo a la economa noruega. Aqu los horizontes de tiempo son muy
largos, tpicamente 30 a 50 aos. De importancia crtica es el precio del aceite todava nosotros no podemos prever esto, sensiblemente con exactitud, para
esta horizonte de planeacin.
Para superar este problema ellos modelan el precio del aceite como un proceso
de Markov con tres niveles de precio (estados), correspondiendo a escenarios
optimista, probable y pesimista. Ellos tambin especifican las probabilidades de
hacer una transicin entre los estados cada periodo de tiempo (ao). Pueden
usarse matrices de transicin diferentes para horizontes de tiempo diferentes
( matrices diferentes para el cercano, medio y futuro lejano).
Aunque ste simplemente es un enfoque simple, tiene la ventaja de capturar la
incertidumbre sobre el futuro en un modelo que es relativamente fcil de
entender y aplicar.
Estudios sobre el modelado de la poblacin (donde nosotros tenemos objetos
con "edad") tambin son una aplicacin interesante de procesos de Markov.
Un ejemplo de esto sera el modelado el mercado del automvil como un
proceso de Markov para prever la "necesidad" de nuevos automviles cuando
los automviles viejos puedan extinguirse.
Otro ejemplo sera modelar el progreso clnico de un paciente en hospital como
un proceso de Markov y ver cmo su progreso es afectado por regmenes de
droga diferentes.
91
93
Ejemplo:
Una tienda de cmaras tiene en almacn un modelo especial de cmara que se
puede ordenar cada semana. Sean D1, D2, las demandas de esta cmara
durante la primera, segunda,, semana, respectivamente. Se supone que las
Di son variables aleatorias independientes e idnticamente distribuidas que
tienen una distribucin de probabilidad conocida. Sea X0 el nmero de
cmaras que se tiene en el momento de iniciar el proceso, X1 el nmero de
cmaras que se tienen al final de la semana uno, X2 el nmero de cmaras al
final de la semana dos, etc. Suponga que X0 = 3. El sbado en la noche la
tienda hace un pedido que le entregan el lunes en el momento de abrir la
tienda. La tienda hace un pedido que le entregan el lunes en el momento de
abrir la tienda. La tienda usa la siguiente poltica (s, S)1 para ordenar: si el
nmero de cmaras en inventario al final de la semana es menor que s =1 (no
hay cmaras en la tienda), ordenar (hasta) S=3. De otra manera, no coloca la
orden (si se cuenta con una o ms cmaras en el almacn, no se hace el
pedido). Se supone que las ventas se pierden cuando la demanda excede el
inventario. Entonces, {X1} para t = 0, 1,.. Es un proceso estocstico de la
forma que se acaba de describir. Los estados posibles del proceso son los
enteros 0, 1, 2, 3 que representan el nmero posible de cmaras en inventario
al final de la semana.
As, dado que tiene una cmara al final de una semana, la probabilidad de que
no haya cmaras en inventario dos semanas despus es 0.283; es decir, De
igual manera, dado que se tienen dos cmaras al final de una semana, la
probabilidad de que haya tres cmaras en el almacn dos semanas despus es
0.097; esto es,
La matriz de transicin de cuatro pasos tambin se puede obtener de la
siguiente manera:
P (4) = P4 = P (2) * P (2)
94
As, dado que queda una cmara al final de una semana, 0.282 es la
probabilidad de que no haya cmaras en inventario 4 semanas ms tarde; es
decir, De igual manera, dado que quedan dos cmaras en el almacn final de
una semana, se tiene una probabilidad de 0.171 de que haya tres cmaras en
el almacn 4 semanas despus; esto es,
95
96
97
98
99
100
101
102
103
La plantilla vaca representa una matriz con las relaciones entre los estados
(State), sus probabilidades iniciales (Initial Prob.) y el costo de cada uno de
ellos (State Cost).
105
106
107
108
BIBLIOGRAFIA.
109
http://metodoscuantitativos.50webs.org/Apuntes/Cap%2014_Proceso
%20de%20MARKOV.pdf
http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r89851.PD
F
http://www.scoop.it/t/cadena-de-markov-cuarta-unidad
http://es.scribd.com/doc/26580080/Proceso-de-Markov-Inves-OpeGabriel-Arzate-Elias
http://www.javeriana.edu.co/biblos/tesis/ingenieria/tesis161.pdf
110
INSTITUTO TECNOLGICO
DE PIEDRAS NEGRAS
INGENIERA INDUSTRIAL
INVESTIGACIN DE OPERACIONES II
111
NODO
E
A
ARCO
F
D
NODO: punto al cual se dirigen y del cual salen los arcos para conformar una
red. En la red los 7 crculos representan los 7 nodos de la red.
ARCO: lnea que une dos nodos en una red.
Los arcos se etiquetan para dar nombres a los nodos en sus puntos terminales,
por ejemplo, AB es el arco entre los nodos A y B
A
AB
B
112
Nodos
Puntos de
conmutacin
Arcos
Cables, canales,
fibra ptica,
radioenlaces por
microondas
Flujo
Transmisiones de
mensajes de voz,
de datos, de
video
Al etiquetarse un arco dirigido con el nombre de los nodos que une, siempre se
coloca primero al nodo de donde viene y 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.
CAPACIDAD DE ARCO: cantidad mxima de flujo que puede circular en un
arco dirigido
ARCO NO DIRIGIDO: el flujo a travs de un arco se permite en ambas
direcciones (tal como una calle de doble sentido). Se permite que el flujo ocurra
en cualquier direccin, se supone que ese flujo ser en una direccin, en la
seleccionada, y no tendr flujo simultneos en direcciones opuestas
A
B
Para destinguir entre los dos timpos de arcos con frecuencia los arcos no
dirigidos se nombran ligaduras.
RED NO DIRIGIDA
B
E
A
C
113
D
RED DIRIGIDA
B
E
C
D
Una red no dirigida se puede convertir en una red dirigida si se desea,
cambiando cada arco no dirigido por un par de arcos dirigidos en direcciones
opuestas
A
B
TRAYECTORIA ENTRE DOS NODOS: es una sucesin o serie de arcos
distintos que conectan estos nodos. Por ejemplo, dos posibles trayectorias que
conectan a los nodos A y Gson la sucesin de arcos
B
E
A
B
E
F
D
C
F
Cuando algunos o todos los arcos de una red son arcos dirigidos, se hace
distincin entre trayectorias dirigidas y trayectorias no dirigidas.
114
E
B
CICLO: trayectoria que une a un nodo consigo mismo es decir, comienza y
termina en el mismo nodo.
En una red dirigida un ciclo puede ser dirigido o no dirigido, dependiendo di 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). por el contrario AB-BC-AC es un cilo no dirigido puesto
que la direccin del arco AC es opuesta a los de los arcos AB y BC. Por otro
lado, AB-BC-AC es un ciclo no dirigido por que A-B-C-A es una trayectoria no
dirigida.
G
A
C
E
B
115
Una red est conectada cuando es posible llegar a cualquier nodo desde
otro siguiendo la secuencia de arcos en la que no importa la direccin
Dos arcos estn conectados si la red contiene al menos una trayectoria no
dirigida entre ellos. (Ntese que no es necesaria que la trayectoria sea dirigida
aun cuando la red es dirigida).
ARBOL DE EXPANSION: subconjunto conectado de una red que comprende
todos los nodos, pero ningn ciclo
RED CONEXA: cada par de nodos esta conectado, es decir, si la red contiene
el menos una trayectoria no dirigida entre ellos. Se debe resaltar que no es
necesario que la trayectoria sea dirigida a un cuando la red sea dirigida.
Entonces las redes de las siguientes imgenes son conexas la ultima red no
seria conexa si se eliminaras los arcos AD y CE
116
D
C
D
C
B
E
B
E
A
C
A
D
C
B
E
Nodos y a un nuevo nodo conectado. Si se agregan arcos de esta manera, se
evita que se forme un ciclo y adems se asegura que numero de nodos
conexos es uno mas que el numero de arcos.
5.2 PROBLEMA DE LA RUTA MAS CORTA
El Modelo de la Ruta Ms Corta
Se trata de un modelo de red (debido a la forma de diagrama de red usado
para su representacin), donde cada arco o rama que une dos nodos
(elementos) que forman dicha red, viene caracterizado por un valor que
117
adquirido al
2001
4000
5400
9800
2002
4300
6200
8700
2003
4800
7100
---
2004
4900
---
---
comenzar
funcionamiento entre 1 y 3 aos. Los arcos desde los otros nodos se pueden
interpretar en forma parecida. La longitud de cada arco es igual al costo de
reposicin. La solucin del problema equivale a determinar la ruta ms corta
entre los nodos 1 y 5.
En la figura 6.9 se ve la red que resulta. Si se usa TORA, 1 la ruta ms corta,
que se indica con la ruta gruesa, es 1 ~ 3 ~ 5. Eso quiere decir que un
automvil adquirido al iniciar 2001 (nodo 1) se debe reemplazar pasados 2
aos, al iniciar 2003 (nodo 3). El auto de reposicin debe estar en servicio
hasta el final de 2004. El costo total de esta poltica de reposicin es $12,500
(= $5400 + $7100).
Algoritmo de Dijkstra
Vamos a resolver el Ejemplo 01 para determinar la ruta ms corta desde O hasta
T.
119
Iteracion 02: de alguno de los nodos temporales elegimos aquel que tenga menor
costo total asociado y lo convertimos en permanente y actualizamos los nodos
temporales.
120
Iteracin 03:
Iteracin 04:
121
Iteracin 05:
Iteracin 06:
122
123
Redes de comunicacin.
124
EJEMPLO
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 total de cable mnima.
125
Solucin:
126
Todos los nodos han quedado conectados, por lo que sta es la solucin
ptima que se buscaba.
Aunque con este procedimiento a primera vista puede parecer que la eleccin
del nodo inicial afectara la solucin final (y la longitud total de las ligaduras) no
es as.
Se sugiere se verifique este hecho en el ejemplo, aplicando el nuevo algoritmo,
pero iniciando en un nodo distinto de O.
RED RESIDUAL
RED QUE MUESTRALAS CAPACIDADES RESTANTES
(CAPACIDADES RESIDUALES) PARA ASIGNAR FLUJOS
ADICIONALES.
EJEMPLO
LA SIGUIENTE RED MUESTRA EL NMERO DE PERSONAS QUE
PUEDEN CIRCULAR POR MINUTO (DURANTE LA HORA PICO) A
LO LARGO DE LOS DIFERENTES CAMINOS:
128
A
5
9
O
6
C
E
4
129
130
EJEMPLO
EN EL EJEMPLO ANTERIOR, DETERMINE LA CAPACIDAD
RESIDUAL DE LA TRAYECTORIA AUMENTANTE O B E T
PARA EL EJEMPLO ANTERIOR. LA RED MUESTRA LAS
CAPACIDADES RESIDUALES INICIALES
3
A
0
1
131
5
7
1 4
0 9
0
O
T
4
0 1
E
4
TRAYECTORIA:
CAPACIDAD:
132
ALGORITMO
133
134
EJEMPLO
DETERMINE EL NMERO MXIMO DE PERSONAS QUE PUEDEN
CIRCULAR A LO LARGO DE LA RED DEL EJEMPLO ANTERIOR
MEDIANTE EL ALGORITMO DE LA TRAYECTORIA AUMENTANTE.
TRAYECTORIA:
CAPACIDAD:
3
A
0
5
7
1 4
0 9
0
O
T
B
4
0 1
E
135
TRAYECTORIA:
CAPACIDAD:
O
T
136
EJEMPLO
DETERMINE EL FLUJO MXIMO PARA CADA UNO DE LOS ARCOS
DEL PROBLEMA ANTERIOR.
O
T
137
138
CORTE
UNA PARTICIN DE LOS NODOS DE UNA RED EN DOS REDES
DISJUNTAS, CO Y CD, DE TAL MANERA QUE CO INCLUYE AL
ORIGEN Y CD INCLUYE AL DESTINO.
CAPACIDAD DE UN CORTE
SUMA DE LAS CAPACIDADES (EN LA DIRECCIN CO CD) DE
TODOS LOS ARCOS EN CO CONECTADOS DIRECTAMENTE A
ALGUN NODO DE CD.
EJEMPLO
EN LA RED ANTERIOR, DETERMINE LA CAPACIDAD DEL CORTE
PARA EL CUAL CO = {O, A, B, C}.
A
5
9
139
6
C
E
4
140
EJEMPLO
DETERMINE EL FLUJO MXIMO FACTIBLE PARA LA RED
ANTERIOR UTILIZANDO EL TEOREMA DE MX FLUJO-MN
CORTE
A
5
141
6
C
E
4
142
Las restricciones estipulan que el flujo neto que sale del nodo i debe ser igual a
EJEMPLO 5.5.1
Una empresa fabrica un compuesto qumico bsico que utilizan otros
fabricantes para producir una variedad de productos para pinturas. La
empresa tiene dos rutas y ha firmado tratos con dos proveedores de materia
prima. Los contratos estipulan una entrega mnima de 500 y 750 toneladas de
materia prima por mes, por parte de los proveedores 1 y 2, a los precios de
$200 y $210 por tonelada, respectivamente. Se necesitan 1.2 toneladas de
materia prima para fabricar una tonelada del compuesto qumico bsico. Los
costos de transporte por tonelada desde fbrica de los proveedores a las dos
plantas se resumen en la siguiente tabla:
PROVEEDOR
PLANTA 1
1
PLANTA 2
$10 $12
143
13
$25
2
CTO DE
CAPACIDAD
CAPACIDAD
PRODUCCION/ton
MINIMA (ton)
MAXIMA
(ton)
400 800
28
450
900
las demandas mensuales en las dos plantas son de 660 y 800 toneladas. Los
costos de transporte por toneladas entre las plantas y los centros de
distribucin, se dan a continuacin:
PLANTA
CTO DE TRANSPORTE/ton
D1
D2
1 3
4
2 5
2
144
(-800)
(400,800)
(450,900)
(500/1.2,
y (750/1.2,
145
146
147
8- Ahora procedemos a crear los arcos, adems clic en el extremo del nodo o
receptor y lo arrastramos hacia el nodo emisor.
149
Iteracin 2
Iteracin 3
150
15-En las ultimas 11 filas se presentan los metros necesarios que se emplearan
al conectarla red desde la maquina 1 a las diferentes computadoras.
151
152