Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PERÚPEURIRDELPER PERÚ
1. MÉTODO SIMPLEX
A. INTRODUCCIÓN
Existen numerosos programas tanto para computadoras centrales como para personales.
Aunque el método simplex es especialmente útil en problemas de gran escala (resueltos con una
computadora), en seguida se practicará en el caso del mismo problema que fue resuelto
gráficamente en el ejemplo sobre la empresa química "Chemical”.
Problema Nº 01
En una urbanización se van a construir casas de dos tipos: A y B. La empresa constructora
dispone para ello de un máximo de 1800 millones de soles, siendo el costo de cada tipo de casa
de 30 y 20 millones de soles respectivamente. El Ayuntamiento exige que el número total de
casas no sea superior a 80. Sabiendo que el beneficio obtenido por la venta de una casa de tipo A
es de 4 millones de soles y de 3 millones de soles por una de tipo B ¿cuántas casas deben
construirse de cada tipo para obtener el máximo beneficio?
Solución:
Capital a invertir Demanda del Mercado Utilidades
( millones de soles) (unidades) (millones soles)
Tipo A (X1) 30 1 4
Tipo B (X2) 20 1 3
Disponibilidad 1800 80
Sujeto a:
30X1 + 20X2 1800 (Capital disponible)
X1 + X2 80 (Demanda del mercado)
X1, X2 0
Realizando las operaciones algebraicas para obtener los valores de X1 y X2 en cada una de las
restricciones:
En la restricción 1 (C1):
Si X1 = 0, entonces, X2 =90 Luego P1(X1, X2) = P1 (0,90) y Z1 = 4(0)+3(90) = 270
Si X2 = 0, entonces, X1 =60 Luego P2(X1, X2) = P2 (60,0) y Z2 = 4(60)+3(0) = 240
P2 si forma parte de la solución.
En la restricción 2 (C2):
Si X1 = 0, entonces, X2 =80 Luego P3(X1, X2) = P3 (0,80) y Z3 = 4(0)+3(80) = 240
Si X2 = 0, entonces, X1 =80 Luego P4(X1, X2) = P4 (80,0) y Z4 = 4(80)+3(0) = 320
P3 si forma parte de la solución.
Calculando el punto (R) donde se interceptan las dos restricciones:
Resolviendo simultáneamente las dos ecuaciones.
30X1 + 20X2 = 1800
-30X1 + -30X2 = -2400
-10X2 = - 600
X2 = 60
Luego: X1 = 20
PR(X1, X2) = PR (20,60)
Entonces: ZR = 4(20) + 3(60)
ZR = 260
Por lo tanto la solución óptima está en el punto R (Por ser un problema de maximización)
Interpretación Administrativa:
La Empresa Constructora debe construir 20 y 60 casas de tipo A y tipo B respectivamente
para obtener la máxima utilidad posible que representa a 260 millones de soles. Bajo las
condiciones de disponibilidad de recursos financieros y demanda del mercado.
2. Selecciónese la columna pivote. Ésta es la columna con el número positivo más grande en el
renglón inferior (C - Z). Esta se convierte en la nueva variable de la solución.
3. Selecciónese el renglón pivote. Éste es el renglón con la razón más pequeña del valor LD
dividido por el valor de la columna pivote. Úsense sólo números positivos. Esto identifica la
variable que deja la solución.
4. Enciérrese en un círculo el elemento pivote. Ésta es la intersección del renglón y la columna
pivotes.
5. Conviértase al elemento pivote en un 1. Hágase esto dividiendo cada valor del renglón pivote
entre el valor pivote. Métase este renglón en una tabla nueva.
6. Genérense los demás renglones de la nueva tabla con ceros en la columna pivote. Esto se
hace multiplicando el nuevo renglón (del paso 5) por el negativo del elemento en la columna
pivote. El resultado será sumado al antiguo renglón. Introdúzcase este renglón revisado en la
nueva tabla, y continúese este procedimiento en cada renglón de la sección central de la
tabla.
7. Prueba de optimización. Calcúlense los valores de Z y C – Z. Los valores de Z de cada columna
son (elementos de la columna) (C). Si todos los valores de C – Z son ≤ 0, la solución es óptima.
Léanse los valores de las variables en la solución de la columna de LD y el valor de la función
objetivo del renglón de Z en la columna de LD. Si la solución no es óptima, regrese al paso 2.
Variables de holgura.- El método simples empieza con el planteamiento de una función objetivo
y ecuaciones de restricción. Las rutinas computarizadas de programación lineal (PL)
automáticamente arreglarán esos datos iniciales, pero tratándose de soluciones manuales, debe
construirse en cada paso la tabla de simples. Esto requiere que las restricciones sean
establecidas como igualdades. En los problemas de maximización se logra esto añadiendo
variables de holgura (s) a cada restricción. La holgura representa una cantidad no utilizada, o la
diferencia entre lo que es usado y el límite de lo que puede usarse.
Por ejemplo añadiendo variables de holgura a las desigualdades del ejemplo de la industria
“Chemical”; se tienen las nuevas ecuaciones que se muestran en la siguiente tabla. Nótese que
S1 está relacionada con la restricción de la máquina A y S2 lo está con la máquina B.
El método simplex siempre comienza con una solución factible dentro de la cual sólo se produce
holgura. Esto corresponde al origen en la solución gráfica, dónde X y Y son iguales a cero. Se
empieza con una solución inexacta, pero factible, que corresponde a una esquina de la región
factible. Se empieza con una solución inexacta, pero factible, que corresponde al origen, donde
sólo se produce holgura, es decir, cero utilidades. Por tanto, las variables de holgura (por
ejemplo S1 y S2 están en la solución, y las otras variables de decisión (X y Y) no están en la
solución (así, tienen valores de cero).
Preséntense la función objetivo y las restricciones del siguiente ejemplo en una tabla inicial de
simplex
Problema Nº 02
Una empresa química “Chemical” produce limpiadores para automóviles X y pulidores Y y gana
$10 en cada lote de X, y $30 en Y. Ambos productos requieren procesarse en las mismas
máquinas, A y B, pero X requiere cuatro horas en A y ocho en B, mientras que Y requiere seis
horas en A y cuatro en B. Durante la semana entrante las máquinas A y B tienen 12 y 16 horas
de capacidad disponible, respectivamente. Suponiendo que existe demanda de ambos
productos, ¿cuántos lotes de cada uno deben producirse para alcanzar la unidad óptima Z?
Tabla Simplex
Valores de
C 10 30 0 0
solución
Variables de la Variables de decisión
solución X Y S1 S2 (LD)
0 S1 4 6 1 0 12
0 S2 8 4 0 1 16
Z 0 0 0 0 0
C-Z 10 30 0 0 0
La parte central de la tabla simplex consta de los coeficientes de las restricciones de:
4X + 6Y + 1S1 + 0S2 = 12
8X + 4Y + 0S1 + 1S2 =16
Nótese que se ha asignado un uno (1) a la variable de holgura asociada con su propia restricción,
y un cero (0) a la otra variable de holgura
La columna de variables en la solución indica cuáles variables están en la solución (en este caso,
sólo las de hoguera) y la columna de valores solución indica las cantidades de solución. Los
números vienen del lado derecho LD de las restricciones (en este caso, 12 horas de holgura para
la máquina A y 16 horas para la B)
Esto significa que para introducir una unidad de X (limpiador) en la solución, deben darse cuatro
horas de tiempo de holgura en la máquina A, con un costo de $0, y ocho horas de holgura en la
máquina B, también con un costo de $0.
Los valores del renglón inferior (C-Z) representan la contribución neta de introducir una unidad
de la columna variable en la solución. En la tabla inicial aparecen simplemente los coeficientes
de la función objetivo seguidos por ceros en las columnas de las variables de holgura. Es decir,
se puede incrementar el valor de la función objetivo en un total de $10 por cada unidad de X
producida y en $30 por cada unidad de Y producida, y debido a que la holgura no tiene ningún
valor deben introducirse X o Y en esta etapa. Produciendo más holgura obviamente no se
incrementan las utilidades.
Metodología de cálculo
C 10 30 0 0 Valores
Variables Variables de decisión de
de la solución
solución X Y S1 S2 (LD)
0 S1 4 6 1 0 12
0 S2 8 4 0 1 16
Z 0 0 0 0 0
C-Z 10 30 0 0 0
a) La columna pivote es la que tiene el número positivo más grande en el renglón inferior
C-Z 10 30 0 0 0
En este ejercicio es 30.
b) El renglón pivote es el que tiene la razón más pequeña, del renglón pivote
12 16
2 (Mínimo) 4
6 4
C 10 30 0 0 Valores
Variables Variables de decisión de
de la solución
solución X Y S1 S2 (LD)
0 S1 4 6 1 0 12
0 S2 8 4 0 1 16
Z 0 0 0 0 0
C-Z 10 30 0 0 0
C 10 30 0 0 Valores
Variables Variables de decisión de
de la solución
solución X Y S1 S2 (LD)
0 S1 4 6 1 0 12
0 S2 8 4 0 1 16
Z 0 0 0 0 0
C-Z 10 30 0 0 0
2. Divídase cada valor del renglón pivote 1 entre el elemento pivote (6) y colóquense los valores
en una nueva tabla.
C 10 30 0 0 Valores
Variables Variables de decisión de
de la solución
solución X Y S1 S2 (LD)
0 Y 2/3 1 1/6 0 2
a) Genérense los otros renglones para la siguiente tabla, de tal manera que los elementos de la
columna pivote sean iguales a cero.
Se empieza con el renglón S2, el cual tiene 4 en la columna de Y. Se multiplica el nuevo renglón
(del paso 2) por el negativo del valor que se desea convertir (-4), y se suma al anterior renglón
de S2. Se multiplica el nuevo renglón por -4. El resultado se muestra en la siguiente tabla.
X Y S1 S2 (LD)
El renglón del paso 2 se - - - - -4(2)
multiplica por -4 4(2/3) 4(1) 4(1/6) 4(0)
Obtener el resultado -8/3 -4 -2/3 0 -8
Sumarlo al renglón de S2 8 4 0 1 16
Para obtener el nuevo 16/3 0 .2/3 1 8
renglón
C 10 30 0 0 Valores
Variables Variables de decisión de
de la solución
solución X Y S1 S2 (LD)
30 Y 2/3 1 1/6 0 2
0 S2 16/3 0 .2/3 1 8
Z
Si hay más renglones que convertir, debe repetirse este paso en el siguiente renglón. Dado que
ahí no hay más, puede procederse a calcular el renglón Z y C-Z.
Los valores en el renglón Z son ∑ (elementos de la columna) (C) Elementos del renglón Z
Después de que se introducen éste y los valores de C-Z en la siguiente matriz, se tiene:
C 10 30 0 0 Valores
Variables Variables de decisión de
de la solución
solución X Y S1 S2 (LD)
30 Y 2/3 1 1/6 0 2
0 S2 16/3 0 .2/3 1 8
Z 20 30 5 0 60
C-Z -10 0 -5 0
Repetir los pasos anteriores hasta que todos los valores del renglón inferior sean ≤ 0. Dado que
todos los valores son ≤ 0, ha sido alcanzada la solución óptima. Las variables en la solución son
identificadas por las columnas en la parte central de la tabla que tienen un 1, y el resto de los
valores son cero. Los valores solución son datos en la columna del lado derecho, como se ve en
la siguiente tabla.
X Y S1 S2 (LD)
- 1 - 0 2
- 0 - 1 8
Z - - - - 60
Por tanto,
X = no está en la solución
Y = 2 unidades
Z = $60
Interpretación Administrativa:
Nótese que la variable de holgura asociada con la restricción 2 también tiene un 1 y ceros, lo
cual significa que tiene holgura en la solución y que la restricción no se agotó. Entonces hay sólo
una variable de decisión (no holgura) en la solución (Y) y una restricción agotada (número 1).
Esto concuerda con el teorema fundamental de programación lineal, que establece que el
número de variables de decisión (no holgura) de la solución siempre será igual a número de
restricciones que son agotadas.
PROBLEMA N° 01:
Una compañía posee dos minas: la mina A produce cada día 1 tonelada de hierro de alta
calidad, 3 toneladas de calidad media y 5 de baja calidad. La mina B produce cada día 2
toneladas de cada una de las tres calidades. La compañía necesita al menos 80 toneladas de
mineral de alta calidad, 160 toneladas de calidad media y 200 de baja calidad. Sabiendo
que el coste diario de la operación es de 2000 euros en cada mina ¿cuántos días debe
trabajar cada mina para que el coste sea mínimo?
SOLUCIÓN:
Variables:
MA = Días a trabajar en la Mina A.
Restricciones:
Se recomienda elaborar una tabla donde se refleje toda la información disponible para
visualizar mejor las restricciones del problema:
MA MB Requerimient
Hierro de alta calidad (ton.) 1 2 o 80
Hierro de media calidad 3 2 160
Hierro de baja calidad (ton.) 5 2 200
(ton.)
Interpretación Administrativa:
Se deben trabajar 40 días en la Mina “A” y 20 días en la Mina “B” para que el costo sea mínimo
(120.000,00 euros).
PROBLEMA N° 02:
Se va a organizar una planta de un taller de automóviles donde van a trabajar electricistas
y mecánicos. Por necesidades de mercado, es necesario que haya mayor o igual número de
mecánicos que de electricistas y que el número de mecánicos no supere al doble que el de
electricistas. En total hay disponibles 30 electricistas y 20 mecánicos. El beneficio de la
empresa por jornada es de 250 euros por electricista y 200 euros por mecánico. ¿Cuántos
trabajadores de cada clase deben elegirse para obtener el máximo beneficio y cuál es este?
SOLUCIÓN:
Variables:
E = Cantidad de electricistas a elegir.
M = Cantidad de mecánicos a elegir
Función Objetivo:
Restricciones:
Restricción 1: Es necesario que haya mayor o igual número de mecánicos que de
electricistas.
M ≥ E que se puede ordenar como –E+M ≥ 0
Interpretación Administrativa:
PROBLEMA N° 03:
Una empresa de instalaciones dispone de 195 kg de cobre, 20 kg de titanio y 14 kg de
aluminio. Para fabricar 100 metros de cable de tipo A se necesitan 10 kg de cobre, 2 de
titanio y 1 de aluminio, mientras que para fabricar 100 metros de cable de tipo B se
necesitan 15 kg de cobre, 1 de titanio y 1 de aluminio. El beneficio que se obtiene por
100 metros de cable de tipo A es de 1500 euros, y por 100 metros de cable de tipo B, 1000
euros. Calcular los metros de cable de cada tipo que hay que fabricar para maximizar el
beneficio de la empresa. Obtener dicho beneficio máximo.
SOLUCIÓN:
Variables:
En el planteamiento del problema notamos que todos los datos están referidos a 100
metros de cable, en base a esto podemos definir las variables como:
A B Disponibilidad
Kilogramos de Cobre 10 15 195
Kilogramos de Titanio 2 1 20
Kilogramos de Aluminio 1 1 14
Restricción 1:
Restricción 2:
2 A + 1 B ≤ 20 (Kgs. de titanio)
Restricción 3:
1 A + 1 B ≤ 14 (Kgs. de aluminio)
Interpretación Administrativa:
El beneficio máximo asciende a 17.000,00 euros y se obtiene fabricando 600 metros (6 rollos
de 100 metros) de cable de tipo A y 800 metros (8 rollos de 100 metros) de tipo B.
2. EL PROBLEMA DE TRANSPORTE
A. INTRODUCCIÓN
El problema del transporte tiene que ver con la selección de rutas entre plantas de fabricación y
bodegas de distribución o entre bodegas de distribución regional y puntos de distribución local.
Al aplicar este método la gerencia está buscando una ruta de distribución que optimizará algún
objetivo; éste puede ser la minimización del costo total del transporte o la minimización del
tiempo total involucrado.
El método de transporte fue formulado por primera vez como un procedimiento especial para
encontrar el programa de costo mínimo para distribuir unidades homogéneas de un producto
desde varios puntos de abastecimiento (fuentes) a varios puntos de consumo (Destinos).
El objetivo generalmente es minimizar costos de traslado de los bienes desde los orígenes hasta
los destinos.
Para mostrar el modelo que resuelve el problema de transporte tomemos la siguiente situación:
Enigma S.A. tiene cuatro centros de distribución de productos marinos en Lima y están ubicadas
en Ate, Barranco, Comas y Magdalena. Los productos que distribuye los acopia de los terminales
pesqueros de Ventanilla, San Juan de Miraflores y La Victoria. La demanda diaria solicitada por
cada centro de distribución (en Kg.) son los siguientes:
La cantidad de productos marinos que puede disponer cada terminal pesquero es la mostrada
en la siguiente tabla:
Terminal Pesquero Cantidad (Kg.)
Ventanilla 500
San Juan de Miraflores 700
La Victoria 800
El costo por transporte de cada kilogramo de producto marino desde uno de los terminales
pesqueros a un centro de distribución (en soles) es el siguiente:
Se debe decidir cuántos kilogramos debe destinar de cada terminal pesquero a cada centro de
distribución de manera que se minimice el costo de transporte.
DIAGRAMA DE RED
El diagrama de red muestra los centros de suministro y los de destinos y están representados
por círculos conectados con una línea que indica la ruta. Al lado de cada círculo se indica la
cantidad de bienes suministrados y demandados sobre las líneas se indican los costos unitarios
respectivos.
Centros de distribución
(nodos de destino)
Plantas
(nodos de origen) Costo unitario
de transporte
1 400
Ate
1,2
1
500 1,3
Ventanilla
0,4
0,6 2
Barranco 900
0,5
2 0,4
700 San Juan de 1,0
Miraflores
1,1
3
1,0
Comas 200
0,9
3
1,2
800
La Victoria
0,4
4
Magdalena 500
VARIABLES:
MODELO:
Xij 0 para i = 1, 2, 3; j = 1, 2, 3, 4
Resolviendo el problema usando el programa LINDO se tiene el siguiente reporte:
1) 1200.000
Unidades
transportadas
1 400
Ate
1
500 Ventanilla
200
300 2
Barranco 900
2 700
700
San Juan de
Miraflores
3
400
Comas 200
200
3
800
La Victoria
200
4
Magdalena 500
B. EL MODELO DE TRANSPORTE
Asígnese el valor más grande posible a la variable con el menor costo unitario de toda la tabla.
(Los empates se rompen en forma arbitraria). Táchese el renglón o columna satisfecha. Después
de ajustar la oferta y la demanda de todos los renglones y columnas no tachados. Repítase el
proceso asignando el valor más grande posible a la variable con el costo unitario no tachado más
pequeño. El procedimiento está completo cuando quede exactamente un renglón o una
columna sin tachar.
Asigne Nombre a los renglones Ri y a las columnas Kj. El costo de cada intersección se conoce
como Cij Utilizando cada uno de los cuadros con solución (Variables básicas) Calcular los valores
de R y K para la tabla usando la fórmula: Ri + Kj = Cij El renglón uno (R1) Siempre se hace igual a
cero) Utilizando las variables No-Básicas. Calcule los índices de mejoramiento para todos los
cuadros no usados usando: Ri + Kj - Cij (Costo de un cuadro sin usar) = Índice de mejoramiento
Seleccione el cuadro sin usar con índice de mejoramiento más grande. (Si todos los índices son
iguales o menores que cero se ha obtenido la solución optimizante). Trace un trayecto cerrado
para la celda que haya tenido el índice positivo más grande. El trayecto empieza y termina en la
variable no-básica designada. Los puntos extremos deben ser variables Básicas y solo se
permiten movimientos verticales y horizontales. Ponga signos positivos y negativos en esquinas
alternas del trayecto empezando con un signo más (+) en el cuadro sin usar. La cantidad más
pequeña en una posición negativa en el trayecto cerrado, indica la cantidad que se puede
asignar al cuadro sin usar que entra en la solución. Esta cantidad se añade a todos los cuadros
en el trayecto cerrado con signos positivos y se resta de los cuadros con signo negativo.
Finalmente, se calculan los nuevos índices de mejoramiento para la nueva solución, es decir se
repiten los pasos del 1 al 8.
Este método comienza asignando la cantidad máxima permisible para la oferta y la demanda a la
variable X11 (la que está en la esquina noroeste de la tabla).
La columna o renglón satisfechos se tacha indicando que las variables restantes en la columna o
renglón tachado son igual a cero. Si la columna y el renglón se satisfacen simultáneamente,
únicamente uno (cualquiera de los dos) debe tacharse. Esta condición garantiza localizar las
variables básicas cero si es que existen. Después de ajustar las cantidades de oferta y demanda
para todos los renglones y columnas no tachados, la cantidad máxima factible se asigna al
primer elemento no tachado en la nueva columna o renglón. El procedimiento termina cuando
exactamente un renglón o una columna se dejan sin tachar.
Problema Nº 01
Una compañía tiene 3 almacenes con 15, 25 y 5 artículos disponibles respectivamente. Con
estos productos disponibles desea satisfacer la demanda de 4 clientes que requieren 5, 15, 15 y
10 unidades respectivamente. Los costos asociados con el envío de mercancía del almacén al
cliente por unidad se dan en la siguiente tabla.
Clientes
Almacén 1 2 3 4
1 10 0 20 11
2 12 7 9 20
3 0 14 16 18
Problema Nº 02
Una compañía de renta de autos tiene problemas de distribución debido a que los acuerdos de
renta permiten que los autos se entreguen en lugares diferentes a aquellos en que
originalmente fueron rentados. Por el momento, hay 2 lugares (fuentes) con 15 y 13 autos en
exceso, respectivamente, y cuatro lugares (destinos) en los que se requieren 9, 6, 7, y 9 autos
respectivamente. Los costos unitarios de transporte en dólares entre los lugares son los
siguientes:
Problema Nº 03
Destino
1 2 3 4 Oferta
Fuente 1 10 0 20 11 15
X11 X12 X13 X14
2 12 7 9 20 25
X21 X22 X23 X24
3 0 14 16 18 5
X31 X32 X33 X34
Demanda 5 15 15 10
1 2 3 4
1 5 10 15
2 5 15 5 25
3 5 5
5 15 15 10
Cuando se satisfacen al mismo tiempo una columna y un renglón, la siguiente variable que se
agregará a la solución básica estará necesariamente en el nivel cero. La siguiente tabla ilustra
este aspecto. La columna 2 y el renglón 2 se satisfacen simultáneamente.
1 2 3 4
1 5 5 10 5
2 5 0 5 0
3 8 7 15
5 10 8 7 15
5
Si se tacha la columna 2, x23 se vuelve básica en el nivel cero en el paso siguiente, ya que la
demanda restante del renglón 2 vale ahora cero. (Este caso se presenta en la tabla anterior). Si
en cambio se cruza el renglón 2, x32 sería la variable básica cero.
Las soluciones iníciales de las dos últimas tablas incluyen el número adecuado de variables
básicas, o sea, m + n – 1 = 6. La regla de la esquina noroeste produce siempre el número
adecuado de variables básicas.
3. PROGRAMACION DINAMICA.
“Una política óptima tiene la propiedad de que, sean cuales sea el estado inicial y la decisión
inicial, las decisiones restantes deben constituir una solución óptima con respecto al estado
resultante de la primera decisión”. En Informática, un problema que puede descomponerse
de esta forma se dice forma se dice que presenta subestructuras optímales (la base de los (la
base de los algoritmos greedy y de la programación dinámica).
El principio de El principio de optimalidad se verifica si toda solución óptima a un problema
está compuesta por soluciones óptimas de sus subproblemas. ¡Ojo! El principio de El
principio de optimalidad no nos dice que, si tenemos las soluciones óptimas de los
subproblemas, entonces podamos combinarlas para obtener la solución óptima del
problema original…
EJEMPLOS
Cambio en monedas
La solución óptima para 0.07 euros es 0.05 + 0.02 euros.
La solución óptima para 0.06 euros es 0.05 + 0.01 0.05 + 0.01 euros.
La solución óptima para 0.13 euros no es (0.05 + 2) + (0.05 + 0.01) (0.05 + 2) + (0.05 + 0.01)
euros.
Sin embargo, Sin embargo, sí que existe alguna forma de forma de descomponer 0.13 euros
de tal forma que las soluciones óptimas a los subproblemas nos den una solución óptima
(p.ej. 0.11 y 0.02 euros).
2. Se define recursivamente la solución óptima del problema (en función de los valores de
las soluciones para subproblemas de menor tamaño).
if (n == 0) return 0;
else if (n == 1) return 1;
else {
previo = 0; actual = 1;
NUMEROS CONBINATORIOS:
Ejemplo
El problema del comerciante. Supóngase que un comerciante de Madrid desea viajar a Praga
realizando el viaje en tres etapas. En la primera tiene oportunidad de hospedarse en Maresella,
Par´ıs o Limoges; en la segunda lo har´a en Zúrich, Múnich o Milán, para desde ahí
trasladarse directamente a Praga. El comerciante desea saber dónde debe hospedarse en cada
etapa para minimizar el trayecto del viaje. Las distancias en cada etapa son las siguientes:
Praga
Zúrich 625
Múnich 325
Milán 750
Etapa 3
Estamos ante un problema de encontrar el camino más corto en un grafo secuencial (sin circuitos).
En este caso, cada v´ertice de G corresponde a un par (estado, etapa), y los estados asociados con
la etapa i son los vértices k de G para los cuales el camino más largo entre 0 y k contiene
exactamente i arcos. Para resolver el problema en este tipo de grafos podemos adaptar cualquiera
de los dos algoritmos que se han visto.
Se determina la trayectoria más corta a Praga desde cada ciudad donde empieza la tercera
etapa:
f∗ 3 (Zúrich) = 625
f∗ 3 (Múnich) = 325
Etapa 2
Se determina la trayectoria m´as corta a Praga desde cada ciudad donde empieza la
segunda etapa.
f∗ ∗ ∗ ∗
2 (Marsella) = Min {500 + f3 (Zu´rich), 700 + f3 (Mu´nich), 350 + f3 (Milán)
= Min {1125, 1025, 1100} = 1025 (Marsella-Múnich-Praga)
Etapa 1
f∗ ∗ ∗ ∗
1 (Madrid) = Min {950 + f2 (Marsella), 1120 + f2 (Paris), 725 + f2 (Limoges)}
= Min {1975, 2175, 1875} = 1875 (Madrid-Limoges-Múnich-Praga)
l
maximizar bi xi
ik
l
sujeto a pi xi P
ik
con xi {0, 1} , k i l
Además.
Además.
Problema: ineficiencia
Un problema de tamaño n se reduce a dos subproblemas de tamaño (n-1).
Cada uno de los dos subproblemas se reduce a otros dos…
Consideraciones finales:
brigadas en- viadas a cada país, que se encuentra en la tabla adjunta (cantidades
divididas por mil).
¿Cuál es la asignación que maximiza las medidas de eficiencia? Resolver utilizando
la programación dinámica.
Pais
Número de brigadas médicas 1 2 3
0 0 0 0
1 45 20 50
2 70 45 70
3 90 75 80
4 105 110 100
5 120 150 130
Etapa 1
Etapa 2
En general,
E =0 0 0
E =1 50 45 50
Etapa 3
E =2 70 95 70 95
Por tanto el valor óptimo es 170. ¿Cómo obtener la solución que alcanza este valor?
En la tabla final se ve que 170=P (5, 3) = P (4, 2) + f3(1). En la tabla 2 se ve que P (4, 2)
= P (1, 1) + f2(3)=f1(1) + f2(3). Por tanto, 170=P (5, 3) = f1(1) + f2(3) + f3(1).
PROBLEMA DE INVENTARIO:
Supóngase que una empresa sabe que la demanda de un determinado producto durante cada
uno de los próximos cuatro meses va a ser: mes 1, 1 unidad; mes 2, 3 unidades; mes 3, 2
unidades; mes4, 4 unidades. Al principio de cada mes la empresa debe determinar cuántas
unidades deben de producirse durante dicho mes. Cada mes en el que se produce al menos una
unidad la empresa incurre en un costo inicial de 3$, más 1$ por cada unidad producida. Al final de
cada mes cada unidad en inventario (producida y no vendida) ocasiona un costo de 0.5$. La
empresa tiene las siguientes restricciones a la hora de planificar la producción:
- La limitación de maquinaria provoca que no se pueden producir más de 5 unidades del producto
por mes.
La limitación de capacidad del almacén restringe el inventario final de cada mes a un máximo de 4
unidades
La empresa desea determinar un calendario de producción para cada mes que cumpla a tiempo
con las demandas y que reduzca al m´ınimo la suma de costes de producción y almacenamiento
durante los cuatro meses. Se supone que no hay unidades en inventario al principio del primer
mes.
Indicaciones
Supóngase que E son las unidades en inventario al inicio del tercer mes. Como la empresa debe
satisfacer para ese mes una demanda de dos unidades, se deben producir X unidades de forma
que E + x ≥ 2. Esto produce un coste para la empresa de c(x) $. Al final del esta etapa habr´a en
inventario E + x − 2 unidades, lo que producir´a un gasto para la empresa de (0,5) (E + x − 2)$ en
concepto de inventario, más un gasto de 4 (E + x − 2) $ que es el coste m´ınimo para el u´ltimo mes
cuando este comienza con E + x − 2 unidades en inventario. Por tanto, en esta etapa habrá
cada valor de E el siguiente problema:
Aplicando la misma idea se obtienen el resto de las etapas. La solución ´optima del
problema consiste en producir una unidad durante el mes 1, 5 unidades durante el mes 2, 0
unidades durante el mes 3 y 4 unidades durante el mes 4, incurriendo todo ello en un costo total
de 20$.