I O II Principal

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:
PROGRAMACIN DINMICA
1.1 Caractersticas de la programacin dinmica: etapas, estados,
frmula recursiva, programacin en avance y retroceso.. .........................4
1.2 Algunos modelos de ejemplos de Programacin Dinmica...6
1.3 Programacin dinmica determinstica..7
1.4 Programacin dinmica probabilstica...8
1.5 Problema de dimensionalidad de Programacin Dinmica8
Ejercicios resueltos....10
Ejercicios propuestos..21
UNIDAD II:
TEORA DE COLAS
2.1 Introduccin y casos de aplicacin24
2.2 Definiciones caractersticas y suposiciones.24
2.3 Terminologa y notacin. ....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 mltiples, cola infinita, fuente infinita. 32
2.8 Servidores mltiples, cola finita, fuente finita. ..34
Ejercicios resueltos..36
UNIDAD III:
TEORA DE DECISIN
3.1 Caractersticas generales de la teora de decisiones. ..43
3.2 Criterios de decisin determinsticos y probabilsticos..44
3.3 Valor de la informacin perfecta. ..45
3.4 rboles de decisin. ...46
3.5 Teora de dualidad. .47
3.6 Decisiones secuenciales. ...49
3.7 Anlisis de sensibilidad. .....49
Ejercicios resueltos..51
UNIDAD IV:
CADENAS DE MARKOV
4.1 Introduccin. .58
4.2 Formulacin de las cadenas de Markov. .58
4.3 Procesos estocsticos. .60
4.4 Propiedad Markoviana de primer orden. 60
4.5 Probabilidades de transicin estacionarias de un solo paso...61

4.6 Probabilidades de transicin estacionarias de n pasos...63
4.7 Estados absorbentes. 64
4.8 Probabilidades de transicin estacionarias de estados estables.
Tiempos de primer paso. .65
Ejercicios resueltos66
Ejercicios propuestos72
UNIDAD V:
OPTIMIZACIN DE REDES
5.1 Terminologa75
5.2 Problema de la ruta ms corta. Redes cclicas y acclicas. 77
5.3 Problema del rbol de mnima expansin. 80
5.4 Problema de flujo mximo. ...81
5.5 Problema de flujo de costo mnimo. ...83
5.6 Programacin lineal en teora de redes. 86
5.7 Uso de programas de computacin. ..88
Ejercicios resueltos...95
Bibiliografa....105
UNIDAD I:
PROGRAMACIN DINMICA
1.1
CARACTERSTICAS
DE
LOS
PROBLEMAS
DE
PROGRAMACIN DINMICA: ETAPAS, ESTADOS, FRMULA
RECURSIVA, PROGRAMACIN EN AVANCE Y EN RETROCESO
La programacin dinmica es una tcnica matemtica que se utiliza para
la solucin de problemas matemticos seleccionados, en los cuales se toma
una serie de decisiones en forma secuencial.
Proporciona un procedimiento sistemtico para encontrar la combinacin
de decisiones que maximice la efectividad total, al descomponer 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 programacin 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
(denominadas estados), y a las decisiones que se plantearn en el futuro.
La programacin dinmica parte de una pequea porcin del problema y
llega a la solucin ptima para esa pequea parte del problema, entonces
gradualmente 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
programacin dinmica. Por tanto una manera de reconocer una situacin que
se puede formular como un problema de programacin dinmica es poder
identificar una estructura anloga a la del problema de la diligencia.
Caractersticas 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 procedimiento 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?
Si se resolviera el problema "hacia adelante", es decir, de la primera etapa

hacia la
sera necesario realizar una enumeracin exhaustiva de todas las
alternativas, que resolvindolo "hacia atrs" reducimos el nmero de
alternativas a analizar, simplificando la solucin del problema. Cuando se llega
a la etapa inicial se encuentra la solucin ptima.
1.2 EJEMPLOS DE MODELOS DE PROGRAMACIN DINMICA

El problema de la diligencia.
Un cazafortunas desea ir de Missouri a California en una diligencia, y
quiere viajar de la forma ms segura posible. Tiene los puntos de salida y
destino conocidos, pero tiene mltiples opciones para viajar a travs del
territorio. Se entera de la posibilidad de adquirir seguro de vida como pasajero
de la diligencia.
El costo de la pliza estndar (cij ) se muestra en la tabla siguiente.
El problema de las monedas.

Para el problema de las monedas con programacin dinmica se
necesita crear un algoritmo que permita a una mquina expendedora devolver
el cambio mediante el menor nmero de monedas posible. Mediante la
programacin dinmica se solucionar el caso en el que el nmero de
monedas de cada tipo es ilimitado. En el problema de las monedas mediante el
algoritmo voraz el que el nmero de monedas es ilimitado.
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 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.
1.3 PROGRAMACIN DINMICA DETERMINSTICA

Los 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
Sn +1
Contribucin al objetivo
fn (Sn,Xn)
Cn (Xn)
fn+1* (Sn+1*)
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.
1.4 PROGRAMACIN DINMICA PROBABILSTICA

La programacin dinmica probabilstica difiere de la programacin
dinmica determinstica en que el estado de la etapa siguiente no queda
completamente determinado por el estado y la decisin de la poltica en el
estado actual. En lugar de ello existe una distribucin de probabilidad para lo
que ser el estado siguiente. Sin embargo, esta distribucin de probabilidad
todava esta completamente determinada por el estado y la decisin de la
poltica del estado actual. En la siguiente figura se describe diagramticamente
la estructura bsica que resulta para la programacin dinmica probabilstica,
en donde N denota el nmero de estados posibles en la etapa n+1.
Cuando se desarrolla de esta forma para incluir todos los estados y
decisiones posibles en todas las etapas, a veces recibe el nombre de rbol de
decisin. Si el rbol de decisin no es demasiado grande, proporciona una
manera til de resumir las diversas posibilidades que pueden ocurrir.
1.5 PROBLEMA DE DIMENSIONALIDAD 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
ampliamente disponibles en la actualidad. La aplicacin de estos algoritmos a
sistemas continuos exige la discretizacin de las ecuaciones diferenciales que
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
deben integrar las ecuaciones de estado con cada valor admisible de las
variables de decisin cuantificadas, para seleccionar aquella que minimiza el
ndice de desempeo. Se generan requisitos adicionales de clculo cuando la
trayectoria, calculada a partir de un punto de la rejilla no alcanza un estado
cuantificado en la etapa siguiente. Para ello es necesario realizar
interpolaciones para encontrar los valores de la variable de decisin o control
ptima y del ndice de costo.
Con un nmero del orden de cinco variables de estado, los algoritmos
tradicionales de programacin dinmica exigen elevados requisitos de memoria
y de tiempo de clculo a los sistemas de procesamiento digital. Esta
caracterstica de la metodologa fue denominada maldicin de
dimensionalidad por el propio Bellman, lo cual desalent el empleo de la
programacin dinmica tradicional durante ms de veinte aos.
Por otro lado, las ventajas significativas que ofrece la programacin

dinmica para la solucin de problemas de control ptimo, tales como, la
obtencin de una solucin ptima global, el tratamiento de sistemas no lineales
y variantes, la utilizacin de cualquier ndice de desempeo, y el hecho de que
cuanto ms restricciones se imponen a las variables mayor es el ahorro de
tiempo de cmputo y 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.
Utilice programacin dinmica para resolver este problema construyendo
manualmente las tablas usuales para n=3, n=2 y n=1.
Solucin:
n=3
S3
D
D
f3*(s) X3*
6
T
7
T
n=2
sx2
A
B
C
D
5+6=11
7+6=13
----------
E
---------8+7015
6+7=13
f2*(s)
11
13
13
X2*
D
D
E
n=1
sx1
O
A
9+11=20
B
6+13=19
C
7+13=20
f1(s)
19
X1*
B
Ruta: 0BDT
10
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 de mercadotecnia ha establecido el
objetivo como sigue: determinar cuanto gastar en cada producto con el fin de
maximizar las ventas totales. La siguiente tabla da un incremento estimado en
ventas (en las unidades apropiadas) para los diferentes gastos en publicidad:
Gasto
publicidad
1
2
3
4
en Producto 1
7
10
14
17
Producto 2
Producto 3
4
8
11
14
6
9
13
15
Utilice programacin dinmica para resolver este problema.
Solucin:
n=3
S3
1
2
3
4
f3*(s)
6
9
13
15
X3*
1
2
3
4
11
n=2
X2 = 1
f2(2,1) = P2(1) + f3*(2-1) = 4+6 = 10
X2 = 1
X2 = 2
f2(3,1) = P2(1) + f3*(3-1) = 4+9 = 13

f2(3,2) = P2(2) + f3*(3-2) = 8+6 = 14
X2 = 1
X2 = 2
X2 = 3
f2(4,1) = P2(1) + f3*(4-1) = 4+13 = 17

f2(4,2) = P2(2) + f3*(4-2) = 8+9 = 17
f2(4,3) = P2(3) + f3*(4-4) = 11+6 = 17
12
X2 = 1
X2 = 2
X2 = 3
X2 = 4
f2(5,1) = P2(1) + f3*(5-1) = 4+15

f2(5,2) = P2(2) + f3*(5-2) = 8+13
f2(5,3) = P2(3) + f3*(5-3) = 19+9
f2(5,4) = P2(4) + f3*(5-4) = 14+6
X2
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
f1(6,1) = P1(1) + f2*(6-1) = 7+21

f1(6,2) = P1(2) + f2*(6-2) = 10+17
f1(6,3) = P1(3) + f2*(6-3) = 14+14
f1(6,4) = P1(4) + f2*(6-4) = 7+10
X2
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 subdesarrollados 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 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?
Brigadas Medicas
0
1
2
3
4
5
Pas 1
0
45
70
90
105
120
Pas 2
0
20
45
75
110
150
Pas 3
0
50
70
80
100
130
14
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
X2 = 1
f2(1,0) = P2(0) + f3*(1-0) = 0+50 = 50

f2(1,1) = P2(1) + f3*(1-1) = 20+0 = 20
15
X2 = 0
X2 = 1
X2 = 2
f2(2,0) = P2(0) + f3*(2-0) = 0+70 = 70

f2(2,1) = P2(1) + f3*(2-1) = 20+50 = 70
f2(2,2) = P2(2) + f3*(2-2) = 45+0 = 45
X2 = 0
X2 = 1
X2 = 2
X2 = 3
f2(3,0) = P2(0) + f3*(3-0) = 0+80

f2(3,1) = P2(1) + f3*(3-1) = 20+70
f2(3,2) = P2(2) + f3*(3-2) = 45+50
f2(3,3) = P2(3) + f3*(3-3) = 75+0
= 80
= 90
= 95
= 75
X2 = 0
X2 = 1
X2 = 2
X2 = 3
X2 = 4
f2(4,0) = P2(0) + f3*(4-0) = 0+100

f2(4,1) = P2(1) + f3*(4-1) = 20+80
f2(4,2) = P2(2) + f3*(4-2) = 45+70
f2(4,3) = P2(3) + f3*(4-3) = 75+50
f2(4,4) = P2(4) + f3*(4-4) = 110+0
= 100
= 100
= 115
= 125
= 110
X2 = 0
X2 = 1
X2 = 2
X2 = 3
X2 = 4
X2 = 5
f2(5,0) = P2(0) + f3*(5-0) = 0+130 = 130

f2(5,1) = P2(1) + f3*(5-1) = 20+100 = 120
f2(5,2) = P2(2) + f3*(5-2) = 45+80 = 125
f2(5,3) = P2(3) + f3*(5-3) = 75+70 = 145
f2(5,4) = P2(4) + f3*(5-4) = 110+50 = 160
f2(5,5) = P2(5) + f3*(5-5) = 150+0 = 150
X2
S2
0
1
2
3
4
5
0
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
X2 = 1
X2 = 2
X2 = 3
X2 = 4
X2 = 5
f1(5,0) = P2(0) + f3*(5-0) = 0+160

f1(5,1) = P2(1) + f3*(5-1) = 45+125
f1(5,2) = P2(2) + f3*(5-2) = 70+95
f1(5,3) = P2(3) + f3*(5-3) = 90+70
f1(5,4) = P2(4) + f3*(5-4) = 105+50
f1(5,5) = P2(5) + f3*(5-5) = 120+0
= 160
= 170
= 165
= 160
= 155
= 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 cada curso. Como hace poco tom un curso de investigacin de
operaciones, ha 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:
Nmero
Das
1
2
3
4
Puntos de calificacin estimados

de Curso 1
Curso 2
Curso 3
3
5
6
7
5
5
6
9
2
4
7
8
Curso 4
6
7
9
9
17
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
X3 = 1
X3 = 2
f3(4,1) = P3(1) + f4*(4-1) = 2+7 = 9

f3(4,2) = P3(2) + f4*(4-2) = 4+6 = 10
X3 = 1
X3 = 2
X3 = 3
X3 = 1
X3 = 2
X3 = 3
X3 = 4
f3(5,1) = P3(1) + f4*(5-1) = 2+9 = 11

f3(5,2) = P3(2) + f4*(5-2) = 4+7 = 11
f3(5,3) = P3(3) + f4*(5-3) = 7+6 = 13
f3(6,1) = P3(1) + f4*(6-1) = 2+9 = 11
f3(6,2) = P3(2) + f4*(6-2) = 4+9 = 13
f3(6,3) = P3(3) + f4*(6-3) = 7+7 = 14
f3(6,4) = P3(4) + f4*(6-4) = 8+6 = 14
X3
S3
1
2
3
4
8
9
11
11
10
11
13
13
14
F3*(s3)
X3*
14
8
10
13
14
1
2
2
3,4
n=2
X2 = 1
f2(3,1) = P2(1) + f3*(3-1) =5+8 = 13
X2 = 1
X2 = 2
f2(4,1) = P2(1) + f2*(4-1) = 5+10 = 15

f2(4,2) = P2(2) + f2*(4-2) = 5+8 = 13
X2 = 1
X2 = 2
X2 = 3
f2(5,1) = P2(1) + f3*(5-1) = 5+13 = 18

f2(5,2) = P2(2) + f3*(5-2) = 5+10 = 15
f2(5,3) = P2(3) + f3*(5-3) = 6+8 = 14
X2 = 1
X2 = 2
X2 = 3
X2 = 4
f2(6,1) = P2(1) + f3*(6-1) = 5+14

f2(6,2) = P2(2) + f3*(6-2) = 5+13
f2(6,3) = P2(3) + f3*(6-3) = 6+10
f2(6,4) = P2(4) + f3*(6-4) = 9+8
= 19
= 18
= 16
= 17
18
X2
S2
1
2
3
4
1
13
15
18
19
13
15
18
X1 = 1
X2 = 2
X3 = 3
X4 = 4
14
16
F3*(s3)
X3*
17
13
15
18
19
1
1
1
1
f2(7,1) = P1(1) + f2*(7-1) = 3+19

f2(7,2) = P1(2) + f2*(7-2) = 5+18
f2(7,3) = P1(3) + f2*(7-3) = 6+15
f2(7,4) = P1(4) + f2*(7-4) = 7+13
= 22
= 23
= 21
= 20
X2
F3*(s3)
X3*
22
23
21
20
23
S2
2131 =5+5+7+6=23
Ejercicio # 5
Una compaa est a punto de introducir un nuevo producto al mercado
muy competido y est planeando su estrategia de comercializacin. Ha tomado
la decisin de introducir el producto en 3 fases.
La fase 1 incluir ofertas especiales de introduccin a un precio muy
reducido para atraer a los compradores de primera vez.
La fase 2 comprender una campaa intensa de comerciales y anuncios
para persuadir a estos compradores de primera vez, que continen comprando
el producto a precio normal. Se sabe que otra compaa introducir otro nuevo
producto competitivo ms o menos cuando termine la fase 2.
La fase 3 entonces, incluir una campaa de seguimiento de promocin
para tratar de evitar que los clientes regulares cambien al producto de la
competencia.
Se cuenta con un presupuesto total de $ 4 millones de dlares para esta
campaa comercial. El problema consiste ahora en determinar como asignar
este dinero de la manera ms efectiva a las 3 fases. Sean m el porcentaje de
mercado inicial que se logra en las fases, f 2 la fraccin de este mercado que se
retiene en la fase 2 y f3 la fraccin restante del porcentaje de mercado que se
retiene en la fase 3. Con los datos de la siguiente figura, aplique programacin
dinmica para determinar cmo asignar los $ 4 millones de dlares para
maximizar el porcentaje final del mercado para el nuevo producto, es decir,
maximizar m+ff+ff. Suponga que el dinero se debe gastar en cantidades enteras
mltiplos de 1 milln en cada fase y que el mnimo permisible es 1 para la fase
1 y 0 para las fases 2 y 3.
19
n=3
S3
0
1
2
3
F3*(s3)
0.3
0.5
0.6
0.7
X3*
0
1
2
3
X2 = 0
X2 = 1
f2(1,0) = P3(0) + f3*(1-0) = 0.2*0.5 = 0.1

f2(1,1) = P3(1) + f3*(1-1) = 0.4*0.3 = 0.12
X2 = 0
X2 = 1
X2 = 2
f2(2,0) = P3(0) + f3*(2-0) = 0.2*0.6 = 0.12

f2(2,1) = P3(1) + f3*(2-1) = 0.4*0.5 = 0.2
f2(2,2) = P3(2) + f3*(2-2) = 0.5*0.3 = 0.15
X2 = 0
X2 = 1
X2 = 2
X2 = 3
f2(3,0) = P3(0) + f3*(3-0) = 0.2*0.7

f2(3,1) = P3(1) + f3*(3-1) = 0.4*0.6
f2(3,2) = P3(2) + f3*(3-2) = 0.5*0.5
f2(3,3) = P3(3) + f3*(3-3) = 0.6*0.3
X2
S2
0
1
3
3
X1 = 0
X1 = 1
X1 = 2
X1 = 3
0.6
0.1
0.12
0.14
0.12
0.2
0.24
0.15
0.25
= 0.14
= 0.24
= 0.25
= 0.18
F2*(s2)
X2*
0.18
0.2
0.12
0.2
0.250
0
1
1
2
f1(4,0) = P3(0) + f2*(4-0) = 20*0.25

f1(4,1) = P3(1) + f2*(4-1) = 30*0.2
f1(4,2) = P3(2) + f2*(4-2) = 40*0.12
f1(4,3) = P3(3) + f2*(4-3) = 50*0.2
=5
=6
= 4.8
= 10
20
X2
F3*(s3)
X3*
4.8
10
10
S2
3 millones en la 1a fase
EJERCICIOS PROPUESTOS
Ejercicio Propuesto # 1
El gerente de ventas de una editorial de libros de texto universitarios
tiene seis agentes de ventas que puede asignar a tres regiones distintas del
pas. Ha decidido que cada regin debe tener por lo menos un agente y que
cada agente individual debe quedar restringido a una de estas regiones con el
fin de maximizar las ventas. La siguiente tabla da el incremento estimado en las
ventas de cada regin si se le asignan diferentes cantidades de agentes.
Agentes
1
2
3
4
Regin 1
35
48
70
89
Regin 2
21
42
56
70
Regin 3
28
41
63
75
Una campaa poltica se encuentra en su ltima etapa y las preliminares
indican que la eleccin est pareja. Uno de los candidatos tiene suficientes
fondos para comprar tiempo de TV por un total de 5 comerciales en horas de
mayor audiencia en estaciones localizadas en 4 reas diferentes. Con base en
la informacin de las preliminares se hizo una estimacin del nmero de votos
adicionales que se pueden ganar en las diferentes reas de difusin segn el
nmero de comerciales que se contraten. Estas estimaciones se dan en la
siguiente tabla en miles de votos.
Comerciales
0
1
2
3
4
5
rea 1
0
4
7
9
12
15
rea 2
0
6
8
10
11
12
rea 3
0
5
9
11
10
9
rea 4
0
3
7
12
14
16
21
Utilice programacin dinmica para determinar como deben distribuirse

los 5 comerciales entre las 4 reas con el fin de maximizar el nmero estimado
de votos ganados.
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
Utilice programacin dinmica para determinas cuantas cargas deben

asignarse a cada tienda para maximizar la ganancia total esperada.
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
Este problema tiene varias soluciones optimas sobre cantos voluntarios

deben asignarse a cada distrito a fin de maximizar el incremento total esperado
en la popularidad del candidato del partido. Utilice programacin dinmica para
encontrar todas las soluciones ptimas, para que la presidenta del partido
pueda hacer una seleccin tomando en cuenta otros factores.
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 INTRODUCCIN Y CASOS DE APLICACIN.
Las lneas de espera, filas de espera o colas, son realidades cotidianas:
Personas esperando para realizar sus transacciones ante una caja en un
banco, Estudiantes esperando por obtener copias en la fotocopiadora,
vehculos esperando pagar ante una estacin de peaje o continuar su camino,
ante un semforo en rojo, Mquinas daadas a la espera de ser rehabilitadas.
Los anlisis de colas ayudan a entender el comportamiento de estos
sistemas de servicio (la atencin de las cajeras de un banco, actividades de
mantenimiento y reparacin de maquinaria, el control de las operaciones en
planta, etc.).
Desde la perspectiva de la Investigacin 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 DEFINICIONES CARACTERSTICAS Y SUPOSICIONES.

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 proporcionan
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
interconectadas formando una red de colas
La teora de colas es el estudio matemtico del comportamiento de
lneas de espera. Esta se presenta, cuando los clientes llegan a un lugar
demandando un servicio a un servidor, el cual tiene una cierta capacidad de
atencin. Si el servidor no est disponible inmediatamente 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
sistema desde una determinada fuente demandando un servicio. Los
servidores del sistema seleccionan miembros de la cola segn una regla
24
predefinida denominada disciplina de la cola. Cuando un cliente seleccionado

termina de recibir su servicio (tras un tiempo de servicio) abandona el sistema,
pudiendo o no unirse de nuevo a la fuente de llegadas.
Fuente
Recibe el nombre de fuente el dispositivo del que emanan las unidades
que piden un servicio. Si el nmero de unidades potenciales es finito, se dice
que la fuente es finita; en caso contrario se dice que es infinita.
Cuando la fuente es finita se suele asumir que la probabilidad de que se
produzca una llegada en un intervalo de tiempo es proporcional al tamao de la
fuente en ese instante. En general, nos restringiremos al estudio de sistemas
de colas con fuentes infinitas.
Tiempo entre llegadas
Existen dos clases bsicas de tiempo entre llegadas:
Determinstico, en el cual clientes sucesivos llegan en un mismo intervalo de
tiempo, fijo y conocido. Un ejemplo clsico es el de una lnea de ensamble, en
donde los artculos llegan a una estacin en intervalos invariables de tiempo.
Probabilstico, en el cual el tiempo entre llegadas sucesivas es incierto y
variable. Los tiempos entre llegadas probabilsticos se describen mediante una
distribucin de probabilidad.
Mecanismos de servicio
Se llama capacidad del servicio al nmero de clientes que pueden ser
servidos simultneamente. Si la capacidad es uno, se dice que hay un solo
servidor (o que el sistema es monocanal) y si hay ms de un servidor,
multicanal. El tiempo que el servidor necesita para atender la demanda de un
cliente (tiempo de servicio) puede ser constante o aleatorio.
Disciplina de la cola
En sistemas monocanal, el servidor suele seleccionar al cliente de acuerdo con
uno
de
los
siguientes
criterios
(prioridades):
El que lleg antes.

El que lleg el ltimo.
El que menos tiempo de servicio requiere.
El que ms requiere.
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.
2.3 TERMINOLOGA Y NOTACIN.

Caractersticas 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
caractersticas 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:
26
P0= Probabilidad de que no haya clientes en el sistema

Lq= Nmero de clientes promedio en una lnea de espera
L= Nmero de clientes promedio en el sistema (Clientes en cola y
clientes que estn siendo atendidos).
Wq= Tiempo promedio que un cliente pasa en la lnea de espera.
W= Tiempo total promedio que un cliente pasa en el sistema.
Pn= Probabilidad de que haya n clientes en el sistema.
Pw= Probabilidad de que un cliente que llega tenga que esperar por el
servicio.
Todas estas caractersticas operativas de estado estable se obtienen
mediante formulas que dependen del tipo de modelo de lnea de espera que se
este manejando. Para calcular stas, se necesitan los siguientes datos:
= la cantidad promedio de llegadas por periodo (la tasa media de
llegadas)
= la cantidad promedio de servicios por periodo (la tasa media de
servicio)
2.4 PROCESO
POISSON.
DE
NACIMIENTO
Y MUERTE.
MODELOS
La mayor parte de los modelos elementales de colas suponen que las

entradas (llegada de clientes) y las salidas (clientes que se van) del sistema
ocurren de acuerdo al proceso de nacimiento y muerte. Este importante
proceso de teora de probabilidad tiene aplicaciones en varias reas. Sin
embrago en el contexto de la teora de colas, el trmino nacimiento se refiere a
llegada de un nuevo cliente al sistema de colas y el trmino muerte se refiere a
la salida del cliente servido. El estado del sistema en el tiempo t (t 0), denotado
por N (t), es el nmero de clientes que hay en el sistema de colas en el tiempo
t. El proceso de nacimiento y muerte describe en trminos probabilsticos cmo
cambia N (t) al aumentar t. En general, dice que los nacimientos y muertes
individuales ocurren aleatoriamente, en donde sus tasas medias de ocurrencia
dependen del estado actual del sistema. De manera ms precisa, las
suposiciones del proceso de nacimiento y muerte son las siguientes:
SUPOSICIN 1. Dado N (t) = n, la distribucin de probabilidad actual del
tiempo que falta para el prximo nacimiento (llegada) es exponencial con
parmetro (n=0,1,2,.).
27
SUPOSICIN 2. Dado N (t) = n, la distribucin de probabilidad actual del

tiempo que falta para la prxima muerte (terminacin de servicio) es
exponencial con parmetro (n=1,2,.).
SUPOSICIN 3. La variable aleatoria de la suposicin 1 (el tiempo que falta
hasta el prximo nacimiento) y la variable aleatoria de la suposicin 2 (el
tiempo que falta hasta la siguiente muerte) son mutuamente independientes.
Excepto por algunos casos especiales, el anlisis del proceso de
nacimiento y muerte es complicado cuando el sistema se encuentra en
condicin transitoria. Se han obtenido algunos resultados sobre esta
distribucin de probabilidad de N (t) pero son muy complicados para tener un
buen uso prctico. Por otro lado, es bastante directo derivar esta distribucin
despus de que el sistema ha alcanzado la condicin de estado estable (en
caso de que pueda alcanzarla).
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)= xe-
x!
para x= 0,1,2,
2.5 UN SERVIDOR, FUENTE FINITA, COLA FINITA.

Para los modelos de lnea de espera introducidos hasta ahora, la
poblacin de unidades o clientes que llegan para servicio se han considerado
ilimitadas. En trminos tcnicos, cuando no se pone lmite respecto a cuntas
unidades pueden buscar servicio, se dice que el modelo tiene una poblacin
infinita. Bajo esta suposicin, la tasa media de llegada permanece constante
sin importar cuntas unidades hay en el sistema de lnea de espera. Esta
suposicin de una poblacin infinita se hace en la mayora de los modelos de
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 de
llegada para el sistema cambia, dependiendo de la 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.
El modelo de poblacin finita que se expone en esta seccin se basa en
las siguientes suposiciones.
1.
2.
3.
Las llegadas para cada unidad siguen una distribucin de probabilidad de

Poisson, con una tasa media de llegada .
Los tiempos de servicio siguen una distribucin de probabilidad exponencial,
con una tasa media de servicio .
La poblacin de unidades que pueden buscar servicio es finita.
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 sis tema
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
1.
Probabilidad de que no haya unidades en el sistema:
29
2.
Cantidad de unidades promedio en la lnea de espera:
3.
Cantidad promedio de unidades en el sistema:
4.
Tiempo promedio que pasa una unidad en la lnea de espera:
5.
Tiempo promedio que pasa una unidad en el sistema:
6.
7.
Probabilidad de que una unidad que llega tenga que esperar por el
servicio:
Probabilidad de n unidades en el sistema:
2.6 UN SERVIDOR, COLA INFINITA, FUENTE INFINITA.

Las frmulas que pueden usarse para determinar las caractersticas operativas de estado estable para una lnea de espera de un solo canal se citarn
ms adelante. Las frmulas son aplicables si las llegadas siguen una
distribucin de probabilidad de Poisson y los tiempos de servicio siguen una
distribucin de probabilidad exponencial. Mostramos cmo pueden usarse las
frmulas para determinar las caractersticas de operacin de un sistema de un
servidor, cola infinita y fuente infinita, y por tanto, proporcionarle a la
administracin informacin til para la toma de decisiones.
La metodologa matemtica usada para derivar las frmulas para las
caractersticas operativas de las lneas de espera es bastante compleja. Sin
embargo, el propsito no es proporcionar el desarrollo terico de estos
modelos, sino mostrar cmo las frmulas que se han elaborado pueden dar
informacin acerca de las caractersticas operativas de la lnea de espera.
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:
Lq= Nmero de clientes promedio en una lnea de espera:

clientes que estn siendo atendidos):
Wq= Tiempo promedio que un cliente pasa en la lnea de espera:
31
servicio.
2.7 SERVIDORES
INFINITA.
MLTIPLES,
COLA
INFINITA,
FUENTE
Una lnea de espera con canales mltiples consiste en dos o ms

canales de servicio que se supone son idnticos desde el punto de vista de su
capacidad. En el sistema de canales mltiples, las unidades que llegan esperan
en una sola lnea y luego pasan al primer canal disponible para ser servidas. La
operacin de un solo canal de Burger Dome puede expandirse a un sistema de
dos canales al abrir un segundo canal de servicio. La siguiente figura muestra
un diagrama de la lnea de espera de dos canales de Burger Dome.
En esta seccin presentamos frmulas que pueden usarse para
determinar las caractersticas operativas de estado estable para una lnea de
espera de varios canales. Estas frmulas son aplicables si existen las
siguientes condiciones.
1.-Las llegadas siguen una distribucin de probabilidad de Poisson.
2.-Tiempo de servicio para cada canal sigue una distribucin de probabilidad
exponencial.
3.- La tasa media de servicio es la misma para cada canal.
4.- Las llegadas esperan en una sola lnea de espera y luego pasan al primer
canal disponible para el servicio.
Caractersticas Operativas
32
Pueden usarse las siguientes frmulas para calcular las caractersticas

operativas de estado estable para lneas de espera con canales mltiples,
donde:
.- la tasa media de llegada para el sistema.
.- la tasa media de servicio para cada canal.
k.- la cantidad de canales.
P0= Probabilidad de que no haya clientes en el sistema
Lq= Nmero de clientes promedio en una lnea de espera

clientes que estn siendo atendidos).
Wq= Tiempo promedio que un cliente pasa en la lnea de espera.
servicio:
33
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 de un solo canal, las frmulas para las
caractersticas operativas de las lneas de espera con mltiples canales slo
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 aplicables slo si k es mayor que .
2.8 SERVIDORES MLTIPLES, 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 caractersticas operativas para este sistema se calculan como sigue:
Probabilidad de n unidades en el sistema:
Probabilidad de que no haya unidades en el sistema:
34
Cantidad de unidades promedio en la lnea de espera:
Para determinar Wq, W y L, se calcula el valor de ef como sigue:
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
por hora. Use el modelo de llegadas de Poisson y tiempos de servicios

exponenciales para responder las siguientes preguntas.
a.-Cual es la probabilidad de que no haya unidades en el sistema?
b.-Cul es la probabilidad de que un cliente este recibiendo un corte de pelo y
nadie este esperado?
c.-Cul es la probabilidad de que un cliente este recibiendo un corte de pelo y
un cliente este esperando?
d.-Cul es la probabilidad de que un cliente este recibiendo un corte de pelo y
dos cliente este esperando?
= 2.2 clientes/hr. = 0.037 clientes/min.
= 5 cortes/hr.
= 0.083 cortes/min.
a) P0 = 1 - 2.2
5
= 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
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
calcule las probabilidades de que llegaran exactamente 0, 1, 2 y 3 clientes

durante un periodo de cinco minutos.
c.- Se esperan demoras si llegan ms de tres clientes durante cualquier periodo
de cinco minutos. Cul es la probabilidad de que ocurran esas demoras?
a)
0.4 x 5 = 2 clientes/5min. =
b)
P0 =
c)
(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
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?
a)
P (tiempo de servicio 1 min) = 1 e-0.6(1) = 0.4512

37
b)
P (tiempo de servicio 2 min) = 1 e-0.6(2) = 0.6988
c)
P (tiempo de servicio 2 min) = 1 0.6988 = 0.3012
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 pacientes
por hora. Un estudio de los tiempos de espera de los pacientes muestra que,
en promedio, un paciente espera 30 min de ver al dentista.
a)
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?
c)
Si un paciente llega a las 10: 10 A. M. A que hora se espera que salga
del consultorio?
= 2.8 pacientes / hrs.
= 3 pacientes / hrs.
Wq = 30 min.
a)
= 2.8 / 60 = 0.0467 pacientes / min.

= 3 / 60 = 0.05 pacientes / min.
b)
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.
Los trabajos llegan en forma aleatoria a una planta de ensamblado;
suponga que la tasa media de llegada es de 5 trabajos por hora. Los tiempos
de servicio (en minutos por trabajo) no siguen la distribucin la probabilidad
38
exponencial. A continuacin se muestra dos diseos propuestos para la

operacin de ensamblado de la planta.
TIEMPO DE SERVICIO
DISEO MEDIA DESVIACIN ESTNDAR
A
6. 0
3. 0
B
6. 25
0. 6
a)
b)
c)
d)
e)
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?
= 5 trabajos / hra = 0.0833 trabajos / min.
a)
Para A.- = 6.0 min. / trabajo = 10 trab / hra = 0. 167 trabajos / min.
Para B.- = 6.25 min. / trabajo = 9.6 trabajos / hora = 0.16 trabajos / min.
b)
La del diseo A
c)
A.- = 3.0 min / 60 min. = 0.05 hrs
B.- = .6 min / 60 min. = 0.01 hrs
d)
A.Po = 1 5/10 = 0.5
Lq = (52 * 0.052)+ (5 /10)2 = 0.3125 trabajos
2* (1-(5/10)
L = 0.3125 + 5/10 = 0.8125 trabajos
Wq = 0.3125 / 5 = 0.0625 hrs.
W = 0.0625 + 1/ 10 = 0.1625 hrs.
Pw = 5/10 = 0.5
B.Po = 1 5/ 9.6 = 0.4792
Lq = (52 * 0.01 2) + (5/9.6)2 = 0.2857 trabajos
2 * (1 5)/9.6)
39
L = 0.2857 + 5/9.6 = 0.8065 trabajos

Wq = 0.2857/ 5 = 0.0571 hrs
W = 0.2857 + 1/9.6 = 0.1613 hrs
Pw = 5 / 9.6 = 0.5208
e) El diseo B. porque tiene un tiempo de espera ligeramente menor y existe
mayor probabilidad de que no haya ningn cliente en la fila.
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.- Cul es el tiempo promedio en el escritorio de referencias en minutos
(tiempos de espera mas tiempo de servicio?
e.- Cul es la probabilidad de que una nueva llegada tenga que esperar por el
servicio?
El gerente de la marina Fore and Aft desea investigar la posibilidad de
agrandar el muelle de modo de que dos embarcaciones puedan detenerse para
cargar combustible y recibir servicio de manera simultanea. Suponga que la
tasa media de llegada es de 5 yates por hora y que la tasa media de servicio
para cada canal es de 10 por hora.
a)
b)
Cul es la probabilidad de que el muelle estar ocioso?

Cul es a cantidad promedio de embarcaciones que estar esperando
por servicio?
c)
Cul es el tiempo promedio que pasara una embarcacin esperando
por servicio en el muelle?
d)
Cul es el tiempo promedio que pasara un bote en el muelle?
e)
Si usted fuera el gerente de la marina Fore and Aft, Estara satisfecho
con el nivel d servicio que proporcionara su sistema? Por qu?
40
Un estudio de una operacin de servicio de comidas con canales
mltiples en el parque de bisbol Red Birds muestra que el tiempo 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.
a)
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?
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 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?
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?
41
d.- Cul es la probabilidad de que una llegada tenga que esperar por el
servicio?
UNIDAD III:
TEORA DE DECISIN
42
3.1 CARACTERSTICAS GENERALES DE LA TEORA DE

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.
43
3.2 CRITERIOS DE
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 apro piados 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
anlisis simple del mejor y el peor caso. Debido a que en ocasiones enfoques
diferentes conducen a diferentes recomendaciones, el tomador de decisiones
necesita entender los enfoques disponibles y luego seleccionar el enfoque
especfico que, de acuerdo con su juicio, sea el ms apropiado.
Enfoque optimista
El enfoque optimista evala cada alternativa de decisin en funcin del
mejor resultado que pueda ocurrir. La alternativa de decisin que se
recomienda es la que da el mejor resultado posible. Para un problema en el
que se desea la ganancia mxima el enfoque optimista conducira al tomador
de decisiones a elegir la alternativa correspondiente a la mayor ganancia. Para
problemas que implican minimizacin, este enfoque conduce a elegir la
alternativa con el resultado ms pequeo.
Para mostrar el enfoque optimista, primero, determinamos el mejor
resultado para cada alternativa de decisin; luego, seleccionamos la alternativa
de decisin que proporciona el mximo resultado global. Estos pasos
identifican de manera sistemtica la alternativa de decisin que proporciona la
mayor ganancia posible
Enfoque conservador
El enfoque conservador evala cada alternativa de decisin desde el

punto de vista del peor resultado que pueda ocurrir. La alternativa de decisin
recomendada es la que proporciona el mejor de los peores resultados posibles.
Para un problema en el que la medida de salida es la ganancia el enfoque
conservador conducira al tomador de decisiones a elegir la alternativa que
maximiza la ganancia mnima posible que podra obtenerse. Para problemas
que implican minimizacin, este enfoque identifica la alternativa que minimizar
el resultado mximo.
Para mostrar el enfoque conservador, primero, identificamos el resultado
mnimo para cada una de las alternativas de decisin, luego, seleccionamos la
alternativa de decisin que maximiza el resultado mnimo. Este enfoque de
decisin se considera conservador debido a que identifica el peor resultado
44
posible y luego recomienda la alternativa de decisin que evita la posibilidad de

resultados extremadamente "malos".
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:
El valor esperado (VE) de la alternativa de decisin d 1 se define como

sigue:
En palabras, el valor esperado de una alternativa de decisin es la suma

de los resultados ponderados para la alternativa de decisin. El peso para un
resultado es la probabilidad del estado de la naturaleza asociado y, por
consiguiente, la probabilidad de que ocurrir el resultado.
3.3 VALOR DE LA INFORMACIN PERFECTA.

Antes de realizar cualquier experimento, debe determinarse su valor
potencial. Existe un mtodo que supone (de manera poco realista) que la
experimentacin eliminar toda la incertidumbre sobre cul es el estado de la
naturaleza verdadero y despus hace un clculo rpido sobre cul sera la
mejora en el pago esperado (ignorando el costo de experimentacin). Esta
cantidad, llamada valor esperado de la informacin perfecta proporciona una
45
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.
3.4 RBOLES DE DECISIN.

Un rbol decisin proporciona una forma para desplegar visualmente el
problema y despus organizar el trabajo de clculos. Estos rboles de decisin
son especialmente tiles cuando debe tomarse una serie de decisiones.
Ejemplo de un rbol de decisin:
46
Los nodos del rbol de decisin se conocen como nodos de decisin y

los arcos se llaman ramas. Un nodo de decisin, representado por un
cuadrado, indica que una decisin necesita tomarse en ese punto del proceso.
Un nodo de probabilidad, representado por un crculo, indica que ocurre un
evento aleatorio en ese punto.
3.5 TEORA DE DUALIDAD.

El dual es un problema de PL que se obtiene matemticamente de un
modelo primal de PL dado. Los problemas dual y primal estn relacionados a
tal grado, que la solucin smplex ptima de cualquiera de los dos problemas
conduce en forma automtica a la solucin ptima del otro.
El concepto de dualidad indica que para cada problema de PL hay una
asociacin y una relacin muy importante con otro problema de programacin
lineal, llamado precisamente dual.
Si el Primal es:
47
Mx Z = CX
s.a.
AX b
xi 0
El Dual es:
Min Z = bTY
s.a.
AT YCT
yi 0
Usos de la formulacin dual.
Las estructuras duales permiten entre otras cosas:
a)
Resolver problemas lineales que tienen ms restricciones que

actividades. Como el grado de dificultad en 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 m > n, se obtiene otro problema lineal donde el nmero de filas n es
menor al nmero de columnas m.
b)
Hacer interpretaciones econmicas de las soluciones ptimas de los

problemas de programacin lineal.
c)
Crear nuevos algoritmos para la solucin de problemas de redes de

optimizacin.
d)
Generar mtodos como el dual simples para el anlisis de sensibilidad

de los programas de programacin lineal.
Propiedades del primal y del dual.
a)
Si el Primal es un problema de Maximizacin (Minimizacin), el Dual es

un problema de Minimizacin (Maximizacin).
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 T)T=A
entonces el Dual(Dual)=Primal.
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.
48
e)
El nmero de variables de decisin del Primal es igual al nmero de

restricciones del Dual, es decir, por cada variable del Primal existe una
restriccin asociada del Dual.
f)
Si una restriccin del Primal esta en la forma cannica del problema, la

variable Dual asociada es no negativa y viceversa.
g)
Si una restriccin del Primal no esta en la forma cannica del problema,

la variable Dual asociada es no positiva y viceversa.
h)
Si una restriccin del Prima es una igualdad, la variable Dual asociada

es sin restriccin de signo y viceversa.
3.6 DECISIONES SECUENCIALES.

Las decisiones secuenciales de inversiones es un caso interesante que
se resuelve con lo que se denomina un rbol de decisiones. Para estos casos
es necesario primero conocer (con una encuesta) las probabilidades relativas
a la preferencia de los mercados con respecto a un nuevo servicio que se
desea ofertar y ello arrojara un % tal que sera el peso subjetivo que se
utilizara en el rbol de decisiones. a su vez los rendimientos segn alternativas
se hara con el valor actualizado de una anualidad constante, a fin de conocer
el van (valor actualizado neto) segn cada inversin para cada alternativa. Pero
siempre considerando el van de la decisin de no hacer nada o sea de seguir
con
sus
servicios
actuales.
Por ejemplo una empresa operadora de turismo tiene la posibilidad de
contratar por 10 aos sus servicios para una nueva operacin diferente a su
actual operacin. si sus servicios actuales le proporciona por ejemplo 500.000
unidades monetarias por ao, y tendra que abandonar ese servicio para
aceptar el nuevo contrato, que incluso le supone realizar una nueva inversin
estimada en 6 millones de unidades monetarias, entonces se deben comparar
a valor presente los dos rendimientos de esas alternativas para poder decidir.
3.7 ANLISIS DE SENSIBILIDAD.

El anlisis de sensibilidad puede usarse para determinar cmo los
cambios en las probabilidades para los estados de la naturaleza o los cambios
en los resultados afectan la alternativa de decisin recomendada. En muchos
casos, las probabilidades para los estados de la naturaleza y los resultados se
basan en afirmaciones subjetivas. El anlisis de sensibilidad ayuda al tomador
de decisiones a entender cules de estas entradas son crticas para la eleccin
de la mejor alternativa de decisin. Si un cambio pequeo en el valor de una de
49
las entradas causa un cambio en la alternativa de decisin recomendada, la

solucin para el problema de anlisis de decisin es sensible a esa entrada
particular. Debe hacerse un esfuerzo y tener un cuidado adicional para
asegurar que el valor de entrada es tan preciso como sea posible. Por otra
parte, si un cambio de modesto a grande en el valor de una de las entradas no
causa un cambio en la alternativa de decisin recomendada, la solucin al
problema de anlisis de decisin no es sensible a esa entrada particular. No se
requerira tiempo o esfuerzo adicional para refinar el valor de entrada estimado.
Un enfoque para el anlisis de sensibilidad es seleccionar valores
diferentes para las probabilidades de los estados de la naturaleza y los
resultados y luego resolver el problema de anlisis de decisiones. Si cambia la
alternativa de decisin recomendada, sabemos que la solucin es sensible a
los cambios hechos.
Es obvio que podramos continuar modificando las probabilidades de los
estados de la naturaleza y aprender an ms acerca de cmo afectan los
cambios en las probabilidades a la alternativa de decisin recomendada. El
inconveniente de este enfoque son los numerosos clculos que se requieren
para evaluar el efecto de varios cambios posibles en las probabilidades del
estado de la naturaleza. Para el caso particular de dos estados de la
naturaleza, puede usarse un procedimiento grfico, para determinar cmo
afectan los cambios de las probabilidades a la alternativa de decisin
recomendada.
Ejercicio # 1
50
Pinsese ahora en una empresa de productos alimenticios para ganado,

que desea suministrar a la granja tres tipos de pastillas vitamnicas. Esta
empresa debe convencer a los responsables de la granja para que aporten las
vitaminas que el ganado necesita mediante sus pastillas, y no mediante los
preparados que hasta ahora utilizaban. Para ello el precio de venta de las
pastillas debe resultar competitivo con respecto a los preparados P 1, P2.
Sean y1, y2 y y3 los precios por unidad de las vitaminas A, B y C
respectivamente. El objetivo de la empresa es fijar unos precios que consigan
maximizar sus beneficios pero que adems resulten atractivo para los
responsables de la granja.
a)
Cada kilogramo del preparado P 1 aporta 5 unidades de vitamina A, 1.5

unidades de vitamina B y 1 unidad de vitamina C. El precio que debera pagar
la granja por conseguir esas mismas cantidades de vitaminas en pastillas sera:
5y1+1,5y2+1y3. A la granja no le resultaran rentables las pastillas a no ser que
5y1+1,5y2+1y3 2.
b)
Cada kilogramo del preparado P 2 aporta 3 unidades de vitamina A, 3
unidades de vitamina B y 1,5 unidades de vitamina C. El precio que debera
pagar la granja por conseguir esas mismas cantidades de vitaminas en pastillas
sera: 3y1+3y2+1,5y3. A la granja no le resultaran rentables las pastillas a no ser
que 3y1+3y2+1,5y3 3.
c)
Por supuesto, los precios de las pastillas vitamnicas deben ser
positivos, por tanto se tienen adems las condiciones de no negatividad de y 1,
y2 y y3.
Suponiendo que la granja se decida por utilizar las pastillas, comprarn
justamente las necesarias para aportar las necesidades mnimas del ganado de
cada una de las vitaminas. Es decir, por cada animal y da se compraran 27
unidades de vitamina A, 15 de vitamina B y 9 de vitamina C. Por tanto los
ingresos de la empresa por la venta de las pastillas seran de Z =
27y1+15y2+9y3 por animal y da.
Para establecer los precios, la empresa debera plantearse el programa
lineal:
PRIMAL
Max Z = 27y1+15 y2+ 9y3
s.a.
5y1 + 1,5y2 + 1y3 2
3y1 + 3y2 +1,5y3 3
y1, y2, y3 0
DUAL
Max = 2y1 + 3y2
51
s. a.
5y1 + 3y2 27
1.5y1 + 3y2 15
y1 + 1.5y2 9
Solucin:
(1.5) 5y1 + 3y2 = 27
(-5) 1.5y1 + 3y2 = 15
7.5y1 + 4.5y2 = 40.5
-7.5y1 - 15y2 = - 75
- 10.5y2 = -34.5
y2 = - 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 podran producir un rendimiento de 50%
sobre la inversin durante el prximo ao. Si 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?
Invertir
en Mercado a la alza (0.6)
$ 5, 000
acciones de A
52
2
Mercado a la baja (0.4)
- $ 2, 000
1
Invertir
enMercado a la alza (0.6)
$1, 500
acciones de B
3
Mercado a la baja (0.4)
$ 500
Para las acciones A = $ 5, 000 *0.6 + (-200) * 0.4 = $2200

Para las acciones B = $ 1, 500 * 0.6 + $ 500 * 0.4 = $ 1100
En base a estos clculos se recomienda invertir en la empresa A.
Ejercicio # 3
Pittsburgh Development Corporation (PDC) compro unos terrenos en los
que se construir un nuevo complejo de condominios de lujo. La ubicacin
proporciona una vista espectacular del centro de Pittsburg y del Triangulo
Dorado, donde se unen los ros Allegheny y Monongahela para formar el ri
Ohio. PDC planea fijar los precios de las unidades del condominio entre $300,
000 y $ 1 400 000 cada una.
PDC comisiono los bocetos arquitectnicos preeliminares para tres
proyectos de diferente tamao: uno con 30 condominios, otro con 60 y uno
ms con 90. El xito financiero del proyecto depende del tamao del complejo
de condominios y del evento fortuito para la demanda que exista de los
inmuebles. El problema de decisin de PDC es seleccionar el tamao del
nuevo proyecto que llevara a la mayor ganancia dada la incertidumbre en la
demanda de los condominios.
d1 = complejo pequeo con 30 condominios.
d2 = complejo mediano con 60 condominios.
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
Alternativa de dedicin Resultado mximo
53
Complejo pequeo, d1
Complejo mediano, d2
Complejo grande, d3
8
14
20
El mximo de los valores de resultados mximos es 20, por lo que se

recomienda la alternativa de decisin de un complejo de condominios grande.
Enfoque conservador
Primero, identificamos el resultado mnimo para cada una de las
alternativas de decisin; luego, seleccionamos la alternativa de decisin que
maximiza el resultado mnimo.
Alternativa de dedicin Pago mnimo

Complejo pequeo, d1 7
Complejo mediano, d2 5
Complejo grande, d3
-9
El mximo de los valores de resultados mnimos es 7, por lo que se
recomienda la alternativa de decisin de un complejo de condominios
pequeos.
Enfoque de arrepentimiento mnimax.
Suponga que PDC construya un complejo de condominios pequeos y la
demanda resulta ser fuerte. LA ganancia resultante para PDC seria de $8, 000,
000 sin embargo, dado que ha ocurrido en el estado de la naturaleza de
demanda fuerte, nos damos cuenta que la decisin d construir un complejo de
condominios grande, que produce una ganancia de $20, 000, 000, abra sido
al mejor decisin. La diferencia entre el resultado por la mejor alternativa de
decisin y el pago por la dedicin de construir un complejo de condominios
pequeo es la perdida de oportunidad o arrepentimiento.
Para este caso la perdida de oportunidad o arrepentimiento es:
$ 20 000 000 - $ 8 000 000 = $12 000 000.
Generalmente, al siguiente expresin representa la perdida
oportunidad o arrepentimiento:
de
Rij = | Vj* - Vij |

El siguiente paso es enlistar el arrepentimiento mximo para cada
alternativa de decisin.
Tabla de prdida de oportunidad o arrepentimiento.
Estado de la naturaleza
Alternativa de dedicin Demanda fuerte s1 Demanda dbil s2
Complejo pequeo, d1 12
0
Complejo mediano, d2 6
2
54
Complejo grande, d3
16
Arrepentimiento mximo para cada alternativa de decisin

Alternativa de dedicin
Complejo pequeo, d1
Complejo mediano, d2
Complejo grande, d3
Arrepentimiento mximo
12
6
16
Se toma el mnimo del arrepentimiento mximo que es 6, el cual

corresponde a un complejo mediano.
Ejercicio # 1
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
inversin bajo las tres condiciones:
Rendimientos en un ao por inversin de $10,000
Alternativa Mercado baja (%) Mercado moderado (%) Mercado sube
Servicios
+5
+7
+8
Crecimiento
-10
+5
+30
global
+2
+7
+20
a)
b)
Represente el problema con un rbol de decisin

Cul fondo de ahorro deber seleccionar?
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
- x1 + 3 x2
+ x4 = 2
x1, x2, x3, x4 0
55
Ejercicio # 3
La siguiente tabla de resultados muestra las ganancias para un
problema de anlisis de decisiones con dos alternativas y tres estado de la
naturaleza.
Alternativa de decisin S1
S2
S1
d1
250
100
25
d1
100
100
75
a)
b)
Construya un rbol de decisin para este problema.

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 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.
Tamao de la planta
pequea
Grande
Demanda a largo plazo

baja
media
Alta
150
200
200
50
200
500
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
La tabla de resultados siguiente muestra la ganancia para un problema
de decisin con dos estados de la naturaleza y dos alternativas de decisin.
56
Alternativa de decisin S1
S2
d1
10
1
d2
4
3
a)
Use una anlisis de sensibilidad grafico para determinar le rango de

probabilidades del estado de la naturaleza S 1.
b)
Suponga que P (s1) = 0.2 y P (s2) = 0.8. Cul es la mejor decisin
usando el enfoque del valor esperado?
UNIDAD IV:
CADENAS DE MARKOV
4.1 INTRODUCCIN.
57
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 independientes de los eventos ocurridos en el
pasado. Muchos procesos se ajustan a esta descripcin por lo que las cadenas
de Markov constituyen una clase de modelos probabilisticos de gran
importancia.
4.2 FORMULACIN DE LAS CADENAS DE MARKOV.

Una cadena de Markov es una serie de eventos, en la cual la
probabilidad de que ocurra un evento depende del evento inmediato anterior.
En efecto, las cadenas de este tipo tienen memoria. "Recuerdan" el ltimo
evento y esto condiciona las posibilidades de los eventos futuros. Esta
dependencia del evento anterior distingue a las cadenas de Markov de las
series de eventos independientes, como tirar una moneda al aire o un dado.
En la figura se muestra el proceso para formular una cadena de Markov;
el generador de Markov produce uno de n eventos posibles. E j. donde j = 1,
2, . . . , n, a intervalos discretos de tiempo (que no tiene que ser iguales ). Las
probabilidades de ocurrencia para cada uno de estos eventos dependen del
estado del generador. Este estado se describe por el ltimo evento generado.
En la figura 4.1.1, el ltimo evento generado fue E j. de manera que el
generador se encuentra en el estado Mj .
58
La probabilidad de que Ek sea el siguiente evento generado es una

probabilidad condicional: P ( E k / Mj ). Esto se llama probabilidad de transicin
del estado Mj al estado Ek. Para describir completamente una cadena de
Markov es necesario saber el estado actual y todas las probabilidades de
transicin.
Probabilidades de transicin.
Una forma de describir una cadena de Markov es con un diagrama
estados, como el que se muestra en la figura de abajo. En sta se ilustra
sistema de Markov con cuatro estados posibles : M 1, M2 , M3 y M4 .
probabilidad condicional o de transicin de moverse de un estado a otro
indica en el diagrama:
de
un
La
se
Otro mtodo para exhibir las probabilidades de transicin es usar una

matriz de transicin. . La matriz de transicin para el ejemplo del diagrama de
estados se muestra en la tabla siguiente .
59
Otro mtodo para exhibir las probabilidades de transicin es usar una

matriz de transicin. .
Para n = 0, 1, 2, ....
El superndice n no se escribe cuando n = 1.
4.3 PROCESOS ESTOCSTICOS.

Un proceso estocstico se define sencillamente como una coleccin
indexada de variables aleatorias { X 1 }, donde el subndice t toma valores de un
conjunto T dado. Con frecuencia T se toma como el conjunto de enteros no
negativos y X, representa una caracterstica de inters medible en el tiempo t.
Por ejemplo, el proceso estocstico, X 1 , X2 , X3, .., Puede representar la
coleccin de niveles de inventario semanales (o mensuales) de un producto
dado, o puede representar la coleccin de demandas semanales (o mensuales)
de este producto.
Un estudio del comportamiento de un sistema de operacin durante
algn periodo suele llevar al anlisis de un proceso estocstico con la siguiente
estructura. En puntos especficos del tiempo t , el sistema se encuentra
exactamente en una de un nmero finito de estados mutuamente excluyentes y
exhaustivos, etiquetados 0, 1, . . , S. Los periodos en el tiempo pueden
encontrarse a intervalos iguales o su esparcimiento puede depender del
comportamiento general del sistema en el que se encuentra sumergido el
proceso estocstico. Aunque los estados pueden constituir una caracterizacin
tanto cualitativa como cuantitativa del sistema, no hay prdida de generalidad
con las etiquetas numricas 0, 1, . . , M , que se usarn en adelante para
denotar los estados posibles del sistema. As la representacin matemtica del
sistema fsico es la de un proceso estocstico {X i}, en donde las variables
aleatorias se observan en t = 0, 1, 2,. . ., y en donde cada variable aleatoria
puede tomar el valor de cualquiera de los M + 1 enteros 0, 1, .. , M . Estos
enteros son una caracterizacin de los M + 1 estados del proceso.
4.4 PROPIEDAD MARKOVIANA DE PRIMER ORDEN.

Un proceso markoviano de orden 1 es un proceso estocstico de orden
1 en el cual su pasado no tiene ninguna influencia en el futuro si su presente
est especificado.
60
Cuando una probabilidad condicional depende nicamente del suceso

inmediatamente anterior, cumple con el Principio de Markov de Primer Orden,
es decir:
P ( X (t 1) j X (0) K 0 , X (1) K 1 ,....., X (t ) i ) P ( X (t 1) j X (t ) i ) p ij
Definiciones en los procesos de Markov de primer orden:

Estados: Las condiciones en las cuales se encuentra un ente sucesos
posibles.
Ensayos: Las ocurrencias repetidas de un evento que se estudia.
Probabilidad de Transicin: La probabilidad de pasar de un estado actual
al siguiente en un perodo tiempo, y se denota por pij (la probabilidad de
pasar del estado i al estado j en una transicin perodo)
Caractersticas de los procesos de Markov de primer orden:
Se pueden usar como modelo de un proceso fsico econmico que
tenga las siguientes propiedades:
a)
Que la probabilidad cumpla con el principio de Markov.
b)
Existencia de un nmero finito de estados.
c)
Las pij son constante con respecto al tiempo perodo.
d)
Ensayos en perodos iguales.

Si un suceso depende de otro adems del inmediatamente anterior, este
es un proceso de Markov de mayor orden. Por ejemplo, un proceso de segundo
orden describe un proceso en el cual el suceso depende de los dos sucesos
anteriores.
4.5 PROBABILIDADES DE TRANSICIN ESTACIONARIAS DE

UN SOLO PASO.
Una tienda de cmaras tiene en almacn un modelo especial de cmara
que se puede ordenar cada semana. Sean d 1, 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 X 0 el nmero de
cmaras que se tiene en el momento de iniciar el proceso, X 1 el nmero de
cmaras que se tienen al final de la semana uno, X 2 el nmero de cmaras al
final de la semana dos, etc. Suponga que X 0 = 3 . El sbado en la noche la
61
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.
Observe que {Xi}, en donde Xi es el nmero de cmaras en el almacn al
final de la semana t ( antes de recibir el pedido }), es una cadena de Markov.
Se ver ahora cmo obtener las probabilidades de transicin (de un paso), es
decir, los elementos de la matriz de transicin ( de un paso).
Suponiendo
parmetro
.
que
Para obtener
Entonces
durante
As,
aleatoria
la
Si
durante
Dt
una
distribucin
con
parmetro
se
, entonces
la
semana
puede
debe
con
significa que la demanda

o
ms
cmaras.
, la probabilidad de que una variable

tome el valor de 3 o ms;
obtener
de
una
manera
. Para obtener
ser
1
o
.
encontrar
Poisson
. Si
. Por lo tanto,
fue
de
tres
esto,
si
tiene
es necesario evaluar
semana
Poisson
cada
observe
parecida.
, la demanda
ms.
Por
Para
que
En consecuencia, si
, entonces la demanda durante la semana
tiene que ser exactamente 1. por ende,
. Los elementos
restantes se obtienen en forma similar, lo que lleva a la siguiente a la siguiente
matriz de transicin ( de un paso):
62
4.6 PROBABILIDADES DE TRANSICIN ESTACIONARIAS DE N

PASOS.
Las ecuaciones de Chapman-Kolmogorov proporcionan un mtodo para
calcular estas probabilidades de transicin de n pasos :
Estas ecuaciones simplemente sealan que al ir de un estado i al estado

j en n pasos, el proceso estar en algn estado k despus de exactamente m
(menor que n) pasos. As,
Es solo la probabilidad condicional de que, si se comienza en el estado i,
el proceso vaya al estado k despus de m pasos y despus al estado j en n- m
pasos.
Los casos especiales de m=1 y m=n-1 conducen a las expresiones

Para toda i, j, y n de lo cual resulta que las probabilidades de transicin de n
pasos se pueden obtener a partir de las probabilidades de transicin de un
paso de manera recursiva. Para n=2, estas expresiones se vuelven :
Note que las
son los elementos de la matriz P (2) , pero tambin debe
de observarse que estos elementos,

se obtienen multiplicando la
matriz de transicin de un paso por s misma; esto es , P (2) = P * P = P2 .
63
En trminos ms generales, se concluye que la matriz de probabilidades

de transicin de n pasos se puede obtener de la expresin: P(n) = P * P .... P =
Pn = PPn-1 = Pn-1 P.
Entonces, la matriz de probabilidades de transicin de n pasos se puede
obtener calculando la n-sima potencia de la matriz de transicin de un paso.
Para valores no muy grandes de n, la matriz de transicin de n pasos se puede
calcular en la forma que se acaba de describir, pero cuando n es grande, tales
clculos resultan tediosos y, ms an, los errores de redondeo pueden causar
inexactitudes.
4.7 ESTADOS ABSORBENTES.

Se dice que un estado i es absorbente si la probabilidad de transicin
(de un paso) pij es igual a 1. Una cadena de Markov es Absorbente si:
a)
Tiene por lo menos un estado Absorbente.
b)
Es posible ir de cada estado no absorbente hasta por lo menos un
estado absorbente. No es necesario efectuar esta transicin en un paso; ni es
necesario tener la posibilidad de alcanzar cada estado absorbente a partir de
cualquier estado no absorbente.
A partir del anlisis de estas cadenas, es posible determinar los
siguientes datos:
1)
2)
El nmero esperado de pasos antes de que el proceso sea absorbido.

El nmero esperado de veces que el proceso est en cualquier estado
dado no absorbente.
3)
La probabilidad de absorcin por cualquier estado absorbente dado.
Una vez que la cadena llega al estado k permanece ah para siempre. Si
k es un estado absorbente y el proceso comienza en el estado i, la probabilidad
de llegar en algn momento a k se llama probabilidad de absorcin al estado k
dado que el sistema comenz en i. Esta probabilidad se denota por fik. Si se
tienen dos o ms estados absorbentes en una cadena de Markov y es evidente
que el proceso ser absorbido en uno de estos estados, es deseable encontrar
estas probabilidades de absorcin. Dichas probabilidades pueden obtenerse
con slo resolver un sistema de ecuaciones lineales. Si el estado k es un
estado absorbente, entonces el conjunto de probabilidades de absorcin fik
satisface el sistema de ecuaciones
64
sujeta a las condiciones
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 a i. Por ejemplo, la caminata aleatoria con
frecuencia se usa como a modelo para situaciones que incluyen juegos de
azar.
4.8 PROBABILIDADES DE TRANSICIN ESTACIONARIAS DE

ESTADOS ESTABLES. TIEMPOS DE PRIMER PASO .
Sea P la matriz de transicin de una cadena de M estados. Existe
entonces un vector
tal que:
Se establece que para cualquier estado inicial i ,
El vector
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 ,
(1).
Como Pij (n + 1) = ( rengln i de Pn )(columna j de P), podemos escribir

(2)
65
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:
Red Rot Pop
Sper Cola
Red Rot Pop Super Cola

0.9
0.1
0.1
0.9
a)
Trace el diagrama de rbol de dos periodos para un cliente que compro

la ultima vez Red Rot Pop. Cul es la probabilidad de que este cliente compre
Red Rot Pop en una segunda compra?
b)
Cul es la participacin de mercado a largo plazo para cada uno de
estos dos productos?
c)
Se esta planeando una importante campaa de 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. Cul es
el efecto proyectado de la campaa de publicidad sobre las participaciones del
mercado?
a)
Primera Segunda
compra compra Red Rot Pop
0.9
0.9
0.1
Red Rot Pop
0.1
Red Rot Pop = 0.01
0.9
Sper Cola
Sper Cola = 0.09
0.1
Sper Cola
Sper Cola = 0.09
Red Rot
Pop
0.1
0.9
= 0.81
0.1
Red Rot
Pop
0.1
Red Rot Pop = 0

Sper Cola = 0
Red Rot Pop = 0
0.9
Sper Cola 0.9
Sper Cola = 0
[0.82, 0.18]
66
La probabilidad de que un cliente compre dos veces consecutivas la

marca de refresco Red Rod Pop es de 0.82.
b)
=
0.1(1 y) 0.1y = 0
0.1 0.1y 0.1y = 0
0.1 0.2y = 0
- 0.2y = -0.1
y = -0.1/-0.2
y = 0.5
0.9 x + 0.1 y = x
0.1 x + 0.9 y = y
-0.1 x + 0.1y = 0
0.1x 0.1y = 0
x+
y= 1
x=1y
x = 1 0.5
x = 0.5
x=1y
La participacin en el mercado a largo plazo de ambas marcas es
de 0.5 para cada una de ellas.
c)
=
0.9x + 0.15y = x
0.1x + 0.85y = y
x+y=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
-0.25y = -0.1
y = -0.1 / -0.25
y = 0.4
x=1y
x = 1 0.4
x = 0.6
Se espera que con la publicidad realizada, el mercado para Red Rot

Pop aumente a 0.6, mientras que la fidelidad de la marca Sper Cola caer a
0.40.
Ejercicio #2
El centro de computacin de la Universidad Rockbottom ha estado
experimentando periodos considerables de tiempo muerto en sus
computadoras. Supngase que se definen los ensayos de un 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
67
estado del sistema en el periodo anterior. Los datos histricos muestran las
siguientes probabilidades de transicin:
A
Operante
Operante
DeInoperante
Inoperante
0.90
0.30
0.10
0.70
Si el sistema est inicialmente operando, cul es la probabilidad de que se

caiga el sistema en la siguiente hora de operacin?
b.
Cules son las probabilidades de estado estable de que el sistema se
encuentre en estado operante y en estado inoperante?
a.
a)
=
La probabilidad de que caiga el sistema es de 0.1.

b)
=
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
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
x=1y
x = 1 0.25
x = 0.75
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 MDA
Especial B 0.90
0.10
MDA
0.05
0.95
Qu marca parece tener la mayor cantidad de clientes leales? Explique.
Cules son las participaciones de mercado que se proyectan para las
dos marcas?
a.
b.
68
La marca que tiene la mayor cantidad de clientes leales es MDA.

b)
=
0.9x + 0.05y = x
0.1x + 0.95y = y
x+y=1
-0.1x + 0.05y = 0
0.1x - 0.05y = 0
x=1y
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
x = 1- y
x = 1 2/3
x = 1/3
Especial B tendr una participacin esperada en el mercado a largo

plazo de 1/3, mientras que la participacin de MDA ser de 2/3.
Ejercicio #4
Supngase que en el problema anterior entra en el mercado una nueva
marca de crema dental, de manera que se tienen las siguientes probabilidades
de transicin:
Especial B
MDA
T-Blanca
Especial B
0.80
0.05
0.40
MDA
0.10
0.75
0.30
T-Blanca
0.10
0.20
0.30
Cules son las nuevas participaciones de mercado a largo plazo? Q u marca

sufre ms por la inclusin de la nueva marca de crema dental? Obsrvese que
determinar las probabilidades de estado constante para este problema requiere
de la solucin de tres ecuaciones y tres incgnitas.
69
0.8x + 0.05y + 0.4z = x

0.1x + 0.75y + 0.3z = y
0.1x + 0.20y + 0.3z = z
x+
y+
z=1
1 -0.25 -2
0
0 -0.225 0.5
0
0
0
0
0
0
0 1.3 0.225
-0.2x + 0.05y + 0.4z = 0

0.1x 0.25y + 0.3z = 0
0.1x + 0.20y 0.7z = 0
x+
y+
z=1
1.3z = 0.225
z = 0.225 / 1.3
z = 0.1731
-0.2 0.05 0.4 0

0.1 -0.25 0.3 0
0.1
0.2 -0.7 0
1
1
1 1
R1 = R1 / -0.2
1 -0.25
-2 0
0.1 -0.25 0.3 0
0.1
0.2 -0.7 0
1
1
1 1
R2 = -0.1R1 + R2
R3 = -0.1R1 + R3
R4 = -R1 + R4
1 -0.25
-2 0
0 -0.225 0.5 0
0 0.225 -0.5 0
0
1.25
3 1
R3 = R3 + R2
R4 = 1.25R2 + 0.225R3
-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
x+y+z=1
x=1yz
x = 1 0.3846 0.1731
x = 0.4423
Participaciones de mercado a largo plazo de
las diversas marcas:
Especial B = 0.4423
MDA = 0.3846
T Blanca = 0.1731
La marca que se vera mas afectada
negativamente por la introduccin de T
Blanca al mercado a largo plazo es MDA.
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
para corte en un ao determinado, es posible que no se le seleccione para
corte sino hasta unos aos despus. Aunque la mayora de los rboles que no
se cortan en un ao determinado siguen de pie hasta el ao siguiente, algunos
rboles mueren durante ese ao y se les pierde.
70
Al considerar la operacin de rboles navideos de la KLM como un

proceso de Markov con periodos anuales, se definen los cuatro siguientes
estados:
Estado 1 Cortado y vendido
Estado 2 Perdido por enfermedad
Estado 3 Demasiado pequeo para corte
Estado 4 Disponible para corte pero no cortado y vendido
La siguiente matriz de transicin resulta apropiada:
P=
Cuntos de los 5000 rboles del vivero se vendern en algn momento dado,
y cuntos se perder
P=
71
N=
R1 = R1/ 0.25
R2 = R2 /0.5
IQ=
N=
IQ=
N=
N=
NR =
N=
R1 = 0.5R1 + 0.2R2
BNR =
BNR =
BNR =
Cantidad de rboles cortados y vendidos: 3580 rboles
Cantidad de rboles perdidos: 1420 rboles
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:
Operante
inoperante
a.
operante Inoperante
0.95
0.05
0.60
0.40
Cules son las probabilidades de estado estable de que el sistema se

encuentre en los estados de operacin e inactivo?
b.
Si se estima que el costo de que el sistema est descompuesto en cualquier

periodo es de $500 (incluyendo las utilidades que se pierden por el tiempo
muerto y el mantenimiento), cul es el costo de equilibrio para el nuevo
componente de la maquinaria, con base en los periodos?
Ejercicio #2
En el anlisis de participacin de mercado, considrese que est, evaluando
los procesos de Markov correspondientes a las visitas de compras de un cliente
pero que no se sabe en donde compr en la ltima semana. Por ello, se podra
suponer que existe una probabilidad de 0.5 de que un cliente haya comprado
en Murphys y una probabilidad de 0.5 de que el cliente haya comprado en
Ashleys en el periodo 0; es decir, 1(0) = 0.5 y 2,(0) = 0.5. Dadas estas
probabilidades de estado iniciales, elabore una tabla, que muestre la
probabilidad de cada estado en periodos futuros. Qu se observa respecto a
las probabilidades a largo plazo de cada estado?
Ejercicio #3
Dada la siguiente matriz de transicin, con los estados 1 y 2 como
estados absorbentes, cul es la probabilidad de que las unidades de los
estados 3 y 4 terminen en cada uno de los estados absorbentes?
P=
Ejercicio #4
Supngase que es apropiada la siguiente matriz de transicin:
P=
Si Heidman's tiene $4,000 en la categora de antigedad de 0 a 30 das, y

$5,000 en la categora de antigedad de 31 a 90 das, cul es su estimacin
del monto de incobrables que la compaa experimentar?
Ejercicio #5
Un problema importante en el rea principal de Cincinnati implica el trfico
automovilstico que intenta cruzar el ro Ohio, proviniendo de Cincinnati, y en
direccin a Kentucky, utilizando la Carretera Interestatal I-75. 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 probabilidades 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:
OPTIMIZACIN DE REDES
5.1 TERMINOLOGA
Se ha desarrollado una terminologa relativamente extensa para
describir los tipos de redes y sus componentes.
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
seleccionada, 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 entendimiento 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
direcciones opuestas. (Despus se puede optar por interpretar los flujos a
travs de cada par de arcos dirigidos como flujos simultneos en direcciones

opuestas o de proporcionar un flujo neto en una direccin, segn se ajuste al
caso.)
Cuando dos nodos no estn unidos por un arco surge la pregunta natural
de si estn conectados por una serie de arcos. Una trayectoria entre dos nodos
es una sucesin de arcos distintos fue conectan estos nodos. Por ejemplo, una
de las trayectorias que conectan a los nodos O y T en la siguiente figura, es la
sucesin de arcos OB-BD-DT (O B D T), y viceversa.
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.
5.2 PROBLEMA DE LA RUTA MS CORTA. REDES CCLICAS Y

ACCLICAS.
Considere una red conexa y no dirigida con dos nodos especiales
llamados origen y destino. A cada ligadura (arco no dirigido) se asocia una
distancia no negativa. El objetivo es encontrar la ruta ms corta (la trayectoria
con la mnima distancia total) del origen al destino.
Se dispone de un algoritmo bastante sencillo para este problema. La
esencia del procedimiento es que analiza toda la red a partir del origen;
identifica de manera sucesiva la ruta ms corta a cada uno de los nodos en
orden ascendente de sus distancias (ms cortas), desde el origen; el problema
queda resuelto en el momento de llegar al nodo destino.
Los nodos pueden representar ciudades, fbricas, plantas, entre otros;
los arcos o flechas representan las distancias que hay entre las carreteras o
caminos que enlazan a los elementos antes mencionados.
En esta seccin se representan los algoritmos para resolver redes
cclicas (es decir que continen bucles o lazos) como acclicas.
1.- Algoritmo de Dijkstra
2.- Algoritmo Floyd
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.
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.
a)
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.
Figura. Operacin triple de Floyd
El concepto de Floyd es directo. Dados tres nodos i,j y k, con las

distancias entre si indicadas en los tres arcos, es mas corto ir a k desde i
pasando por j si
dij + djk < dik
En este caso, lo ptimo es reemplazar la ruta directa de i k por la ruta
indirecta i j k. Este intercambio de operacin triple se aplica en forma
sistemtica a la red, con los siguientes pasos:
Paso 0.
Definir las matrices iniciales de distancias D0 y de secuencias de nodos
S0 como se describe abajo. Los elementos diagonales se marcan con (-) para
indicar que estn bloqueados. Igualar k = i.
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)
b)
Crear Dk reemplazando dij en Dk-1 por dik + dkj

Crear Sk reemplazando sij en Sk-1 por k. Igualar k = k+1 y repetir el paso
k.
5.3 PROBLEMA DEL RBOL DE MNIMA EXPANSIN.

El problema del rbol de expansin mnima tiene algunas similitudes con
la versin principal del problema de la ruta ms corta. En ambos casos se
considera una red no dirigida y conexa, en la que la informacin dada incluye
alguna medida de longitud positiva (distancia, costo, tiempo, etc.) asociada con
cada ligadura. Los dos problemas involucran tambin el hecho de seleccionar
un conjunto ligaduras de ligaduras que tiene la longitud total ms corta entre
todos los conjuntos de ligaduras que satisfacen cierta propiedad. Para el
problema de la ruta ms corta esta propiedad es que la ligadura seleccionada
debe proporcionar una trayectoria entre el origen y el destino. Para el rbol de
expansin mnima la propiedad requerida es que las ligaduras seleccionadas
deben proporcionar una trayectoria entre cada par de nodos.
Una red con n nodos requiere slo (n - 1) ligaduras para proporcionar
una trayectoria entre cada par de nodos. No deben usarse ms ligaduras ya
que esto aumentara, sin necesidad, la longitud total de las ligaduras
seleccionadas. Las (n - 1) ligaduras deben elegirse de tal manera que la red
resultante (con slo las ligaduras seleccionadas) forme un rbol de expansin.
Por lo tanto, el problema es encontrar el rbol de expansin con la longitud total
mnima de sus ligaduras.
Este problema tiene muchas aplicaciones prcticas importantes. Por
ejemplo, puede ser til en la planeacin de redes de transporte que no se
transitarn mucho y en las que la inquietud principal es proporcionar alguna
trayectoria entre todos los pares de nodos de la manera ms econmica
El problema del rbol de mnima expansin se puede resolver de una
forma bastante directa, es ocurre que se trata de uno de los pocos problemas
de Investigacin de Operaciones en el que ser codicioso en cada etapa del
procedimiento de solucin conduce al final a una solucin ptima! As, con el
inicio en cualquier nodo, la primera etapa consiste en elegir la rama ms corta
posible a otro nodo, sin preocuparse del efecto de esta eleccin pueda tener en
las decisiones posteriores. En la segunda etapa se trata de identificar el nodo
no conectado que est ms cerca de cualquiera de los dos que se acaban de
conectar y despus agregar la ligadura correspondiente a la red. Este proceso
se repite hasta que se hayan conectado todos los nodos.
El algoritmo de expansin mnima enlaza los nodos de una red, en forma
directa o indirecta, con la mnima longitud de las ramas enlazantes.
La aplicacin de este tipo de problemas de optimizacin se ubica, sobre
todo, en las redes de comunicacin elctrica, telefona, carretera, martima,
etc., donde los nodos representan por a si decirlo las estaciones del ferrocarril.
Algoritmo para el problema del rbol de expansin mnima.
1.
Se selecciona, de manera arbitraria, cualquier nodo y se conecta (es

decir se pone una ligadura) al nodo ms cercano distinto de ste.
2.
Se identifica el nodo no conectado ms cercano a un nodo conectado, y

se conectan estos dos nodos (es decir, se agrega una ligadura entre ellos).
Este paso se repite hasta que se hayan conectado todos los nodos.
3.
Empates: los empates para el nodo ms cercano distinto (paso 1) o para

el nodo no conectado ms cercano (paso 2), se pueden romper en forma
arbitraria y el algoritmo todava debe llevar a una solucin ptima. No obstante,
estos empates son seal de que pueden existir (pero no necesariamente)
soluciones ptimas mltiples. Todas esas soluciones se pueden identificar si se
buscan las dems formas de romper los empates hasta el final. Este algoritmo
termina en n- 1 iteraciones.
5.4 PROBLEMA DE FLUJO MXIMO.

En una red en la que los arcos tienen limitada su capacidad, se ha de
hacer pasar la mxima cantidad de flujo posible, de un nodo (1) a otro (n),
prefijados, a los que se llama, respectivamente, fuente y sumidero.
Se utiliza para saber cual es la cantidad mxima de vehculos, peatones,
lquidos o llamadas telefnicas que pueden entrar y salir del sistema.
Objetivo: Determinar el mximo flujo que se puede enviar desde el nodo fuente
al nodo destino, teniendo en cuenta las capacidades k ij sobre el flujo de cada
arco (i,j) y que el flujo se debe conservar.
Capacidad mxima de los arcos Capacidad mxima de los
es igual a la oferta
arcos es igual a la
disponibilidad
Capacidad mnima de los

arcos es igual a la demanda
Algoritmo de etiquetado para el problema del flujo mximo.

El algoritmo avanza en abanico desde el nodo fuente para encontrar
todos los nodos que son alcanzables a lo largo de cadenas en la red, cuyos
arcos admiten cambio de flujo.
En cualquier paso el algoritmo clasifica los nodos en etiquetados y no
etiquetados. Los nodos etiquetados son aquellos que el algoritmo ha
alcanzado en el proceso y de este modo determina una cadena en la red
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)
b)
con etiqueta
sin etiqueta
Al inicio el algoritmo todos los nodos estn sin etiqueta. Si X ij es el flujo
que va de Ni a Nj, se define como el flujo ficticio que va de Nj a Ni. Sea gij = uij +
Xij, la capacidad del arco no saturada del arco Aij.
Al comienzo del algoritmo se asigna la etiqueta [s +, s = ] al nodo
fuente. A todos los nodos vecinos de Ns se le asigna la etiqueta [s+, j] donde j
= gsj > 0 y Nj son todos los nodos vecinos a Ns. El primer elemento de la
etiqueta indica el nodo de donde proviene y el segundo elemento indica la
cantidad de flujo que aun puede fluir en el arco. El nodo fuente N s pasa a ala
categora de etiqueta y con registro, mientras que el grupo de nodos vecinos
Ns, pasan a la categora de etiqueta pero sin registro. En este caso de que g ij =
0, al nodo Nj no se le pone una 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+, k], donde k = Min [j, Xij] y gjk = ujk Xjk.
Como todos los nodos vecinos N k del nodo Nj 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.
5.5 PROBLEMA DE FLUJO DE COSTO MNIMO.

El problema de flujo de costo mnimo tiene una posicin medular entre
los problemas de optimizacin de redes; primero, porque abarca una clase muy
amplia de aplicaciones y segundo, porque su solucin es en extremo eficiente.
Igual que el problema del flujo mximo, toma en cuenta un flujo en una
red con capacidades limitadas en sus arcos.
Igual que el problema de la ruta ms corta, considera un costo (o
distancia) para el flujo a travs de un arco.
Igual que el problema de transporte o el de asignacin, puede manejar
varios orgenes (nodos fuente) y varios destinos (nodos demandas) para el
flujo, de nuevo con costos asociados. De hecho, estos cuatro problemas son
casos especiales del problema de flujo de costo mnimo.
La razn por la que el problema del flujo de costo mnimo se puede
resolver de manera tan eficiente es que se puede formular como un problema
de programacin lineal.
A continuacin se describe el problema del flujo de costo mnimo:
1.
2.
3.
4.
5.
La red es una red dirigida conexa.

Al menos uno de los nodos es nodo fuente.
Al menos uno de los nodos es nodo demanda.
El resto de los nodos son nodos de trasbordo.
Se permite el flujo a travs de un arco slo en la direccin indicada por
la flecha, donde la cantidad mxima de flujo est dada por la capacidad del
arco. (Si el flujo puede ocurrir en ambas direcciones, debe representarse por un
par de arcos con direcciones opuestas.)
6.
La red tiene suficientes arcos como suficiente capacidad para permitir
que todos lo flujos generados por los nodos fuente lleguen a los nodos
demanda.
7.
El costo del flujo a travs del arco es proporcional a la cantidad de ese
flujo, donde se conoce el costo por unidad.
8.
El objetivo es minimizar el costo total de enviar el suministro disponible a
travs de la red para satisfacer la demanda dada. (Un objetivo alternativo es
maximizar la ganancia total del envo.)
Aplicaciones del problema del flujo de costo mnimo
El tipo ms importante de aplicacin del problema del flujo de costo

mnimo es en la operacin de la red de distribucin de una compaa. En la
siguiente tabla se muestran algunos tipos de aplicaciones comunes del
problema de del flujo de costo mnimo:
Tipo de Aplicacin
Nodos Fuentes
Nodos
Trasbordo
Operacin de una red Fuentes de bienes Almacenes

de distribucin
intermedios
Administracin
de Fuente
de Instalaciones
desechos slidos
desechos slidos procesamiento
Operacin de una red Agentes de ventas Almacenes
de suministros
intermedios
Coordinacin
de plantas
mezcla de productos
en plantas
Administracin
flujo de efectivo
de Fuentes
efectivo
tiempos
especficos
de Nodos
Demanda
de
Consumidores
de Rellenos
Instalaciones de
procesamiento
Produccin de u Mercado
artculo especfico producto
especfico
del
de Opciones
de Necesidades
en inversin a corto efectivo
plazo
tiempos
especficos
de
en
Casos especiales.
EL PROBLEMA DE TRANSPORTE.
Un problema de transporte es un caso particular de problema de
programacin lineal en el cual se debe minimizar el costo del abastecimiento a
una serie de puntos de demanda 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.
Un problema de transporte queda definido por la siguiente informacin:
1. Un conjunto de m puntos de oferta. Cada punto de oferta i tiene asociado
una oferta si.
2. Un conjunto de n puntos de demanda. Cada punto de demanda j tiene
asociada una demanda
dj.
3. Cada unidad enviada desde un punto de oferta i a un punto de demanda j
tiene un costo unitario de transporte c
EL PROBLEMA DE ASIGNACIN
Los problemas de asignacin presentan una estructura similar a los de
transporte, pero con dos diferencias: asocian igual nmero de orgenes con
igual nmero de demandas y las ofertas en cada origen es de valor uno, como
lo es la demanda en cada destino.
El problema de asignacin debe su nombre a la aplicacin particular de
asignar hombres a trabajos ( o trabajos a mquinas), con la condicin de que
cada hombre puede ser asignado a un trabajo y que cada trabajo tendr
asignada una persona. La condicin necesaria y suficiente para que este tipo
de problemas tenga solucin, es que se encuentre balanceado, es decir, que
los recursos totales sean iguales a las demandas totales.
El modelo de asignacin tiene sus principales aplicaciones en:
Trabajadores, Oficinas al personal, Vehculos a rutas, Mquinas, Vendedores a
regiones, productos a fabricar, etc.
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.
EL PROBLEMA DE LA RUTA MS CORTA.

El problema de la ruta ms corta incluye un juego de nodos conectados
donde slo un nodo es considerado como el origen y slo un nodo es
considerado como el nodo destino. El objetivo es determinar un camino de
conexiones que minimizan la distancia total del origen al destino.
EL PROBLEMA DE FLUJO MXIMO.

Muchos problemas pueden ser modelados mediante una red en la cual
se considera que los arcos tienen la capacidad de limitar la cantidad de un
producto que se puede enviar a travs del arco. En estas situaciones,
frecuentemente se desea transportar la mxima cantidad de flujo desde un
punto de partida llamado fuente hacia un punto final denominado pozo.
5.6 PROGRAMACIN LINEAL EN TEORA DE REDES.

Este tema se ilustrar con ejemplo para que se tenga un mejor
entendimiento del mismo. Puesto que en los modelos de redes se tiene un
objetivo dadas determinadas restricciones, estos modelos se pueden formular
como un problema lineal, que posteriormente se podr resolver con alguno de
los programas de computacin que se presentan ms adelante.
Ejemplo.
La DISTRIBUTION UNLIMITED CO. fabricar el mismo nuevo producto
en dos plantas distintas y despus tendr que enviarlo a dos almacenes de
distribucin, donde cualquiera de las dos fbricas puede abastecer a cualquiera
de los dos almacenes. La red de distribucin disponible para el envo de este
producto se muestra en la siguiente figura, donde Fl y F2 son las dos fbricas,
Al y A2 son los dos almacenes y CD es el centro de distribucin.
Las cantidades que deben enviarse desde F1 y F2 se muestran a la
izquierda, y las cantidades que deben recibirse en A.1 y A2 se muestran a la
derecha. Cada flecha representa un canal factible de envo. Entonces F1 puede
enviar directamente a A1 y tiene tres rutas posibles (F1CDA2,
FlF2CDA2 y F1A1A2) para mandar bienes a A2. La fbrica F2 tiene
slo una ruta a A2 (F2CDA2) y una a A1 (F2CDA2A1). El costo por
unidad enviada a travs de cada canal se muestra al lado de la flecha.
Tambin, junto a F1F2 y CDA2 se muestran las cantidades mximas que
se pueden enviar por estos canales. Los otros canales tienen suficiente
capacidad para manejar todo lo que las fbricas pueden enviar.
La decisin que debe tomarse se refiere a cunto enviar a travs de
cada canal de distribucin. El objetivo es minimizar el costo total de envo.
Formulacin como un problema de programacin lineal:
Con siete canales de envo_ se necesitan siete variables de decisin
(XFI-F2, XFI-CD, XFI-A1, XF2-CD, XCD-A2, XAI-A2, XA2-A1) para representar las cantidades
enviadas a travs de los canales respectivos.
Existen varias restricciones sobre los valores de estas variables. Adems
de las restricciones usuales de no negatividad, se tienen dos restricciones de
cota superior, XFI-F2 10 y XCD-A2 80, impuestas por la capacidad limitada de
envo de los dos canales, FlF2 y CDA2. Todas las dems restricciones
surgen de las cinco restricciones de flujo neto, una para cada localidad. Estas
restricciones tienen la siguiente forma:
Restriccin de flujo neto para cada localidad:
Cantidad enviada - cantidad recibida = cantidad requerida.
Como se indica en la figura, estas cantidades requeridas son 50 para F1,

40 para F2, -30 para A1 y -60 para A2.
Cul es la cantidad requerida para CD? Todas las unidades producidas
en las fbricas se necesitan en algn momento en los almacenes. Por lo tanto,
la cantidad total enviada del centro de distribucin a los almacenes debe ser
igual a la cantidad total enviada desde las fbricas al centro de distribucin. En
otras palabras, la diferencia de estas dos cantidades enviadas (la cantidad
requerida para la restriccin de flujo neto) debe ser cero.
Como el objetivo es minimizar el costo total de envo, los coeficientes de la
funcin objetivo son directamente los costos unitarios de envo dados. Por lo
tanto, usando unidades monetarias en cientos de dlares en esta funcin
objetivo, el modelo completo de programacin lineal es:
Minimizar Z = 2 XFI-F2 + 4XFI-CD + 9XFI-A1 + 3XF2-CD + XCD-A2 + 3XAI-A2 + 2XA2-A1
sujeto a:
XFI-F2 + XFI-CD + XFI-A1
-XFI-F2
- XFI-CD
= 50
= 40
+ XF2-CD
- XF2-CD + XCD-A2
- XFI-A1
=0
+ XAI-A2 - XA2-A1 = -30

- XCD-A2 - XAI-A2 + XA2-A1 = -60
XFI-F2
10
XFI-F2,
XFI-CD, XFI-A1,
XCD-A2
80
XF2-CD, XCD-A2, XAI-A2, XA2-A1 0
5.7 USO DE PROGRAMAS DE COMPUTACIN .
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:
Paso 1: Abrir WinQSB ir al men File/New Problem.

Paso 2: Elegir la opcin Shortest PathProblem, establecer numero de nodos y
nombre del problema como sigue:
Pulsar OK.
En la tabla que aparece a continuacin insertar los valores de la red del
problema a resolver.
Paso 3: ir al men: Solve and Analyze/Solve Problem y establecer los nodos de

inicio y fin:
Dar clic en Solve

Paso 4: WinQSB arroja el resultado de problema.
Dar clic para observar la solucin grfica:
La ruta mas corta es: 12589=15

Otros ejemplos:
El paquete WinQSB contiene un ejemplo resuelto de cada tipo de
problemas de esta unidad, para acceder a ellos ir al men: File/Load Problem.
SOLVER
Andrs Loreto es presidente de una microempresa de inversiones que

se dedica a administrar las carteras de acciones de varios clientes. Un nuevo
cliente ha solicitado que la compaa se haga cargo de administrar para l una
cartera de $100, 000. A ese cliente le agradara restringir la cartera a una
mezcla de tres tipos de acciones nicamente, como podemos apreciar en la
siguiente tabla. Formule usted un modelo de Programacin Lineal para mostrar
cuntas acciones de cada tipo tendra que comprar Andrs con el fin de
maximizar el rendimiento anual total estimado de esa cartera.
Acciones
Precio ($)
Rendimiento Anual Inversin Posible

Estimado por
($)
Accin ($)
Navesa
60
60.000
Telectricidad
25
25.000
Rampa
20
30.000
Para solucionar este problema debemos seguir los pasos para la

construccin de modelos de programacin 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:
En la fila 2 se coloca la variable de decisin la cual es el nmero de

acciones y sus valores desde la B2 hasta la D2.
En la fila 3 el rendimiento anual y sus valores desde B3 hasta D3.
En la celda E3 colocaremos una formula la cual nos va indicar el
rendimiento anual total, =sumaproducto($B$2:$D$2;B3:D3).
Desde la fila B5 hasta la D8 colocaremos los coeficientes que
acompaan a las variables de decisin que componen las restricciones.
Desde la E5 hasta la E8 se encuentra la funcin de restriccin (LI) y no
es mas que utilizar la siguiente formula =sumaproducto($B$2:$D$2;B5:D5) la
cual se alojara en la celda E5, luego daramos un copy hasta la E8.
Desde la F5 hasta F8 se encuentran los valores de las restricciones.
Desde la G5 hasta G8 se encuentra la holgura o excedente.
Una vez completada la hoja de clculo con el modelo respectivo

GRABE SU HOJA!, y seleccione "Solver" en el men de "Herramientas", ah
tendr que especificar dentro del cuadro de dialogo de Solver:
o
o
o
La celda que va a optimizar

Las celdas cambiantes
Las restricciones
As tendremos la siguiente pantalla:
Como se puede observar en la celda objetivo se coloca la celda que se

quiere optimizar, en las celdas cambiantes las variables de decisin y por
ltimo se debe de complementar con las restricciones. Una vez realizado estos
pasos deben pulsar el icono de "Opciones" y debe hacer clic en "Asumir
modelo lineal" y enseguida el botn de "Aceptar". Luego haga clic en el botn
de "Resolver" para realizar la optimizacin, lea detenidamente el mensaje de
terminacin de Solver y ah observar si se encontr una solucin o hay que
modificar el modelo, en caso de haber encontrado una solucin ptima usted
podr aceptar o no dicha solucin, luego tendr oportunidad de analizar un
informe de anlisis de sensibilidad para luego tomar la mejor decisin.
En nuestro ejemplo el mximo rendimiento anual fue de 12750$, y la

cantidad de acciones a comprar seran 750, 1000 y 1500 para Navesa,
Telectricidad y Rampa respectivamente.
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:
Los nodos y distancias para el problema se resumen enseguida, en

donde las lneas delgadas, ahora representan ligaduras potenciales.
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

es el nodo B (ms cercano a A). Se conecta el nodo B al nodo A.
El nodo no conectado ms cercano a O, A o B es el nodo C (ms

cercano a B). Se conecta el nodo C al nodo B.
El nodo no conectado ms cercano a O, A, B o C es el nodo E (ms

cercano a B). Se conecta el nodo E al nodo B.
El nodo no conectado ms cercano a los nodos O, A, B, C o E es el

nodo D (ms cercano a E). Se conecta el nodo D al nodo E.
El nico nodo no conectado es el nodo T. est ms cerca del nodo D. Se

conecta el nodo T al nodo D.
Todos
nodos
los
han
quedado conectados, por lo que sta es la solucin (ptima) que se buscaba.

La longitud total de las ramas es 14 kilmetros.
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), en realidad no es as. Se sugiere que se verifique este hecho para el
ejemplo, aplicando de nuevo el algoritmo, pero iniciando en un nodo distinto de
O.
Ejercicio # 2
Supngase que en la red que se muestra en la siguiente figura, los
nodos son centros de consumo elctrico, y los nmeros en los arcos son
distancias en kilmetros. Se trata de encontrar el rbol que con una longitud
total mnima, comunica a todos los nodos. Como el costo de tendido de cable
elctrico es proporcional a la distancia, se habr encontrado, con la distancia
mnima, tambin el costo mnimo.
3
C
8
3
2
0
8
D
6
B
4
ITERACIN PASO NODO
ARCO
ARCOS EN
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
SELECCIONADO
EN EL RBOL
C (ARBITRARIO)
SELECCIONADO
EN EL RBOL
ACD = 2
ADF = 2
RBOL
0
1
2
ACG = 3
3
ADB = 6
4
ABE = 4
ADA = 6
AEH = 6
AAO = 7
5
6
7
8
I
AH = 8
9
Solucin optima, con longitud total mnima de 44
unidades.
El rbol mnimo de comunicacin, que no es necesariamente nico, se muestra

a continuacin.
C
F
2
A
6
3
D
6
8
B
4
E
Ejercicio # 3
Una ciudad es atravesada por una red interestatal de carreteras de norte

a sur que le permite alcanzar un nivel de 15000 vehculos / hora en el horario
pico.
Debido a un programa de mantenimiento general, el cual exige cerrar dichas
vas, un grupo de ingenieros ha propuesto una red de rutas alternas, para
cruzar la ciudad de norte a sur, la cual incorpora avenidas importantes.
1-
Puede la red propuesta dar cabida a un flujo mximo de 15 000 v / h de

norte a sur?
2Cul es el flujo mximo de vehculos que permite la red cada hora?
3Qu flujo se debe canalizar sobre cada rama?
SOLUCIN [1,5]
[1,]
[2,3]
[1,6]
[5,3]
[3,6]
[1,5]
NODO
Nj
N1
N1
N1
N1
N2
N3
N5
NODO
Nk
N1
N2
N3
N4
N5
N6
N7
j gjk ETIQUETA
NK
- [1,]
5 [1,5]
6 [1,6]
5 [1,5]
5 3 [2,3]
6 7 [3,6]
3 8 [5,3]
NODO Nk
N7 = [5,3]
N5 = [2,3]
N2 = [1,5]
NUM. DE FLUJO Xjk

X57 = 0 + 3 = 3
X25 = 0 + 3 = 3
X12 = 0 + 3 = 3
gjk
g57 = 8 3 = 5
g25 = 3 3 = 0
g12 = 5 3 = 2
Se satisfacen 3 unidades
NODO
Nj
N1
N1
N1
N1
N3
N4
N5
NODO
Nk
N1
N2
N3
N4
N5
N6
N7
j gjk ETIQUETA
NK
- [1,]
2
[1,2]
6 [1,6]
5 [1,5]
6 3 [3,3]
5 5 [4,5]
3 5 [5,3]
NODO Nk
N7 = [5,3]
N5 = [3,3]
N3 = [1,6]
NUM. DE FLUJO Xjk

X57 = 3 + 3 = 6
X35 = 0 + 3 = 3
X13 = 0 + 3 = 3
gjk
g57 = 5 3 = 2
G35 = 3 3 = 0
g12 = 6 3 = 3
NODO
Nj
N1
N1
N1
N1
N3
N6
NODO
Nk
N1
N2
N3
N4
N6
N7
j gjk ETIQUETA
NK
- [1,]
2
[1,2]
3 [1,3]
5 [1,5]
3 7 [3,3]
3 7 [6,3]
NODO Nk NUM. DE FLUJO Xjk

N7 = [6,3] X67 = 0 + 3 = 3
NSe
[3,3] X36 tres
=0+
3=3
6 = satisfacen
unidades
N3 = [1,3] X13 = 3 + 3 = 6
gjk
G67 = 7 3 = 4
G36 = 7 3 = 4
g13 = 3 3 = 0
NODO
Nj
N1
N1
N1
N2
N3
N6
NODO
Nk
N1
N2
N4
N3
N6
N7
j gjk ETIQUETA
NK
- [1,]
2 [1,2]
5 [1,5]
2 2 [2,2]
2 4 [3,2]
2 4 [6,2]
NODO Nk
N7 = [6,2]
N6 = [3,2]
N3 = [2,2]
N2 = [1,2]
NUM. DE FLUJO Xjk

X67 = 3 + 2 = 5
X36 = 3 + 2 = 5
X23 = 0 + 2 = 2
X12 = 3 + 2 = 5
gjk
g67
g36
g23
g12
NODO Nk
N7 = [6,2]
N6 = [4,5]
N4 = [1,5]
NUM. DE FLUJO Xjk

X67 = 5 + 2 = 7
X36 = 0 + 2 = 2
X23 = 0 + 2 = 2
gjk
g67 = 2 2 = 0
g36 = 5 2 = 3
g23 = 5 2 = 3
=42=2
=42=2
=22=0
=22=0
NODO
Nj
N1
N1
N4
N6
NODO
Nk
N1
N4
N6
N7
j gjk ETIQUETA
NK
- [1,]
5 [1,5]
5 5 [4,5]
5 2 [6,2]
Se satisfacen 2 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.
El flujo vial queda distribuido de la siguiente manera:
Ejercicio # 1
Se tiene una ruta de caminos en una reserva ecolgica.
Las letras representan la localizacin de casetas de los guardabosques. O:

Origen, T: Mirador al otro extremo. Los nmeros son las distancias que hay
entre las casetas por cada uno de los caminos.
Se de sea instalar lneas telefnicas subterrneas entre todas las casetas
minimizando la cantidad total de cable. Cul es la distancia mnima de cable
requerida?
Ejercicio # 2
Suponga que la compaa nacional de subsistencias populares tiene un
programa anual de costalera. Esta se compra de dos fbricas, una en Mrida
con capacidad de produccin mxima de 10 millones de costales al ao, y otra
en saltillo con capacidad de produccin mxima de 7 millones de costales al
ao.
Los excedentes de la fbrica de Mrida pueden transferirse a la planta de
saltillo.
La disponibilidad de transporte entre las dos fbricas permite un mximo de 8
millones de costales por ao. Hay tres centros almacenadotes: el D.F,
Guadalajara y Oaxaca.
La siguiente matriz proporciona la capacidad mxima anual d e transporte de
las fbricas a los centros almacenadotes.
Des Guadalajara
tino
Origen
Saltillo
Mrida
8
2
D.F.
Oaxaca
4
3
(En millones de costales por ao)

Los excedentes de Guadalajara y Oaxaca pueden transferirse al D.F. La
capacidad mxima de transporte es de 3 y 4 millones de costales
respectivamente.
Una vez en los centros almacenadotes, los costales se entregan a los
ejidatarios de la regin. La capacidad mxima de entrega es de 4 millones en la
regin almacenadota de Guadalajara, 7 millones en la regin del DF, y 5
millones en la regin de Oaxaca.
Cul es el flujo mximo anual de costales nuevos que pueden circular en este
sistema?
R = 14 millones de costales
Ejercicio # 3
En un pequeo aeropuerto que est creciendo, la compaa aerea local
piensa comprar un tractor nuevo para mover el tren de carros que 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
compra valor a cambio del tractor en uso + costos de operacin y mantto.), al
final del ao i y si se remplaza al final del ao j (en donde el momento presente
es ao 0).
0
1
2
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.
Mtodos y Modelos de Investigacin de Operaciones
Vol. 1 Modelos Determinsticos
Prawna, Juan
Editorial Limusa
Investigacin de Operaciones
A.
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
SON SANTOS IRIS ABRIL

I O II Principal

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

I O II Principal

Cargado por

Copyright:

Formatos disponibles

MANUAL DE INVESTIGACIN

4.5 Probabilidades de transicin estacionarias de un solo paso...61

Si se resolviera el problema "hacia adelante", es decir, de la primera etapa

1.2 EJEMPLOS DE MODELOS DE PROGRAMACIN DINMICA

El problema de las monedas.

Ver que se cumple el principio de optimalidad de Bellman.

1.3 PROGRAMACIN DINMICA DETERMINSTICA

Los problemas de programacin dinmica determinstica son aqullos en

1.4 PROGRAMACIN DINMICA PROBABILSTICA

1.5 PROBLEMA DE DIMENSIONALIDAD EN PROGRAMACIN

Por otro lado, las ventajas significativas que ofrece la programacin

Utilice programacin dinmica para resolver este problema.

f2(2,1) = P2(1) + f3*(2-1) = 4+6 = 10

f2(3,1) = P2(1) + f3*(3-1) = 4+9 = 13

f2(4,1) = P2(1) + f3*(4-1) = 4+13 = 17

f2(5,1) = P2(1) + f3*(5-1) = 4+15

f1(6,1) = P1(1) + f2*(6-1) = 7+21

f2(0,0) = P2(0) + f3*(0-0) = 0+0 = 0

f2(1,0) = P2(0) + f3*(1-0) = 0+50 = 50

f2(2,0) = P2(0) + f3*(2-0) = 0+70 = 70

f2(3,0) = P2(0) + f3*(3-0) = 0+80

f2(4,0) = P2(0) + f3*(4-0) = 0+100

f2(5,0) = P2(0) + f3*(5-0) = 0+130 = 130

f1(5,0) = P2(0) + f3*(5-0) = 0+160

Puntos de calificacin estimados

f3(3,1) = P3(1) + f4*(3-1) =2+6 = 8

f3(4,1) = P3(1) + f4*(4-1) = 2+7 = 9

f3(5,1) = P3(1) + f4*(5-1) = 2+9 = 11

f2(3,1) = P2(1) + f3*(3-1) =5+8 = 13

f2(4,1) = P2(1) + f2*(4-1) = 5+10 = 15

f2(5,1) = P2(1) + f3*(5-1) = 5+13 = 18

f2(6,1) = P2(1) + f3*(6-1) = 5+14

f2(7,1) = P1(1) + f2*(7-1) = 3+19

f2(1,0) = P3(0) + f3*(1-0) = 0.2*0.5 = 0.1

f2(2,0) = P3(0) + f3*(2-0) = 0.2*0.6 = 0.12

f2(3,0) = P3(0) + f3*(3-0) = 0.2*0.7

f1(4,0) = P3(0) + f2*(4-0) = 20*0.25

Utilice programacin dinmica para determinar como deben distribuirse

Utilice programacin dinmica para determinas cuantas cargas deben

Este problema tiene varias soluciones optimas sobre cantos voluntarios

Cules son las etapas y los estados para la formulacin de

2.2 DEFINICIONES CARACTERSTICAS Y SUPOSICIONES.

predefinida denominada disciplina de la cola. Cuando un cliente seleccionado

El que lleg antes.

2.3 TERMINOLOGA Y NOTACIN.

Usualmente siempre es comn utilizar la siguiente terminologa

P0= Probabilidad de que no haya clientes en el sistema

La mayor parte de los modelos elementales de colas suponen que las

SUPOSICIN 2. Dado N (t) = n, la distribucin de probabilidad actual del

2.5 UN SERVIDOR, FUENTE FINITA, COLA FINITA.

Las llegadas para cada unidad siguen una distribucin de probabilidad de

Probabilidad de que no haya unidades en el sistema:

Cantidad de unidades promedio en la lnea de espera:

Cantidad promedio de unidades en el sistema:

Tiempo promedio que pasa una unidad en la lnea de espera:

Tiempo promedio que pasa una unidad en el sistema:

Probabilidad de n unidades en el sistema:

2.6 UN SERVIDOR, COLA INFINITA, FUENTE INFINITA.

Lq= Nmero de clientes promedio en una lnea de espera:

L= Nmero de clientes promedio en el sistema (Clientes en cola y

Wq= Tiempo promedio que un cliente pasa en la lnea de espera:

W= Tiempo total promedio que un cliente pasa en el sistema.

Pn= Probabilidad de que haya n clientes en el sistema.

f2(1,0) = P3(0) + f3(1-0) = 0.20.5 = 0.1

f2(2,0) = P3(0) + f3(2-0) = 0.20.6 = 0.12

f2(3,0) = P3(0) + f3(3-0) = 0.20.7

f1(4,0) = P3(0) + f2(4-0) = 200.25

Para las acciones A = $ 5, 000 0.6 + (-200) 0.4 = $2200