Está en la página 1de 15

PROGR AMAC IÓN LINEA L DINÁMIC A

PROBAB ILÍSTICA

ESTEB AN J OSÉ DÍAS PALAC IOS

LUIS DAVID HOYOS MENDOZA

AUGUSTO J IMÉNEZ ARGUMEDO

PROFESOR : FR EDY MAR TÍNEZ

UNIVERSIDAD DE CÓRDOBA
FACULTAD DE INGENIERÍA
PROGRAMA DE INGENIERÍA INDUSTRIAL
MONTERÍA
2019-1
LA PROGRAMACIÓN DINÁMICA PROBABILÍS TICA
La programación dinámica probabilística difiere de la determinística en que el
estado de la siguiente etapa no está completamente determinado por el
estado y la política de decisión de la etapa actual. En su lugar existe una
distribución de probabilidad para determinar cuál será el siguiente estado.
Sin embargo, esta distribución de probabilidad sí queda bien determinada por
el estado y la política de decisión en la etapa actual. En la Figura 1.3 se
describe con un diagrama la estructura básica que resulta en los problemas
de programación dinámica probabilística.

En lo que se refiere a este diagrama., sea S el número de estados posibles en


la etapa n+ 1 y etiquete estos estados al lado derecho por 1, 2, ..., S. El sistema
cambia al estado i con probabilidad pi (i = 1, 2, ..., S) dados el estado sn y la
decisión xn en la etapa n. Si el sistema cambia al estado i, C i es la contribución
de la etapa n a la función objetivo.

Cuando se expande la Figura 1.3 para incluir todos los estados y las deci-
siones posibles en todas las etapas, se obtiene lo que con frecuencia se conoce
como un árbol de decisión. Si este árbol de decisión no es muy grande, propor-
ciona una forma útil de resumir estas posibilidades.

Debido a la estructura probabilística, la relación entre fn(sn, xn) Y fn* +1(8n+1)


necesariamente es más complicada que para el caso determinístico. La forma
exacta de esta relación dependerá de la forma global de la función objetivo.
Ejemplo 1

Un proyecto de investigación sobre cierto problema de ingeniería tiene 3


equipos de investigadores que buscan resolver el problema desde 3 puntos de
vista diferentes. Se estima que en las circunstancias actuales la probabilidad
de que los equipos A, B, C fracasen es de: 0.40, 0.60 y 0.80 respectivamente.
Así, la probabilidad de que los 3 equipos fracasen es de: (0.40)(0.6)(0.8) =
0.192. (Un 19.2%). El objetivo es minimizar la probabilidad de fracaso de
los 3 equipos, y por ello, se asignarán al proyecto 2 nuevos científicos de alto
nivel.

Según la asignación a los equipos, la probabilidad de fracaso cambia


según lo indicado en la tabla siguiente:

# de científicos Probabilidad de fracaso de los equipos

adicionales
asignados A B C

0 0.40 0.60 0.80

1 0.20 0.40 0.50

2 0.15 0.20 0.30


Solución

Etapas: N = 3 (tres equipos A, B y C)

Función: f = minimizar probabilidad de fracaso

Estado: s = # de científicos adicionales disponibles

Variable: x = # de científicos adicionales asignados

Etapa 3 (Equipo C)

f3(s3,x3) = p3 Solución óptima

s3

x3 =0 x3 =1 x3 =2 f3*(s3) x3*

0 0.8 - - 0.8 0

1 - 0.5 - 0.5 1

2 - - 0.3 0.3 2
Etapa 3 (Equipo C)

f3(s3,x3) = p3 Solución óptima


s3
x3 =0 x3 =1 x3 =2 f3*(s3) x3 *

0 0.8 - - 0.8 0

1 - 0.5 - 0.5 1

2 - - 0.3 0.3 2
Etapa 2 (Equipo B)

Solución
f2(s2,x2) = p2 * f3(s2-x2)
óptima
s
2
f2*(s x
x2 =0 x2 =1 x2 =2 *
2) 2

(0.6)(0.8)=0
0 - - 0.48 0
.48

(0.6)(0.5)=0 (0.4)(0.8)=0
1 - 0.30 0
.30 .32

(0.6)(0.3)=0 (0.4)(0.5)=0 (0.2)(0.8)=0


2 0.16 2
.18 .20 .16
Etapa 2 (Equipo B)

Solución
f2(s2,x2) = p2 * f3(s2-x2)
óptima
s
2
f2*(s x
x2 =0 x2 =1 x2 =2 *
2) 2

(0.6)(0.8)=0
0 - - 0.48 0
.48

(0.6)(0.5)=0 (0.4)(0.8)=0
1 - 0.30 0
.30 .32

(0.6)(0.3)=0 (0.4)(0.5)=0 (0.2)(0.8)=0


2 0.16 2
.18 .20 .16
Etapa 1 (Equipo A)

Solució
f1(s1,x1) = p1 * f2(s1-x1)
n óptima
s
1
f1*(s
x1 =0 x1 =1 x1 =2 x1 *
1)

(0.4)(0.16)=0. (0.2)(0.3)=0 (0.15)(0.48)=0.


2 0.06 1
064 .06 072

Ejemplo 2

Un repartidor compra a una ganadería 6 galones de leche a $1 por galón. Cada


galón lo vende a $2 y solamente comercia con 3 clientes. La ganadería está
dispuesta a comprar los galones de leche que el repartidor no alcance a vender,
pero solamente le pagará la mitad de lo que él pagó al inicio. Desafortunadamente
para el repartidor la demanda diaria de cada uno de sus clientes es incierta, es por
esto que llevó el registro de sus ventas del año pasado y resumió la información
en probabilidades de la siguiente manera:

Si lo que quiere el repartidor es asignar los 6 galones de leche entre los tres
clientes para maximizar los ingresos esperados (ya que el costo siempre será $6);
sabiendo además que de los galones de leche enviados a un determinado cliente
no se pueden enviar los rechazados luego a otro cliente, utilice la programación
dinámica para determinar cómo el repartidor debe asignar los 6 galones de leche
entre sus tres clientes.
Demanda
diaria Probabilidad
(galones)

1 0.60
Cliente
2 0.00
1
3 0.40

1 0.50
Cliente
2 0.10
2
3 0.40

1 0.40
Cliente
2 0.30
3
3 0.30
Solución

La demanda de cualquier cliente nunca es más de tres galones.

Etapas: Clientes

Estados: Galones de leche disponibles

Decisión: ¿Cuántos galones enviar a cada cliente?

Variables:

xn = Galones enviados al cliente n (no necesariamente el cliente cogerá todos)

dn = Demanda del cliente n (galones comprados por el cliente)

Función recursiva: Ingreso esperado obtenido

in(xn)=2dn + 0.5(xn-dn)

fn(sn,xn) = max{2dn + 0.5(xn-dn) + fn+1(sn-xn)}


Tabla de ingresos esperados i n(x)

x Cliente1 Cliente2 Cliente3

0 i1(0)=0 i2(0)=0 i3(0)=0

i1(1)=(0.6)2.0+(0.0 i2(1)=(0.5)2.0+(0.1 i3(1)=(0.4)2.0+(0.3


1 )2.0+(0.4)2.0 )2.0+(0.4)2.0 )2.0+(0.3)2.0

=2.00 =2.00 =2.00

i1(2)=(0.6)2.5+(0.0 i2(2)=(0.5)2.5+(0.1 i3(2)=(0.4)2.5+(0.3


2 )4.0+(0.4)4.0 )4.0+(0.4)4.0 )4.0+(0.3)4.0

=3.10 =3.25 =3.40

i1(3)=(0.6)3.0+(0.0 i2(3)=(0.5)3.0+(0.1 i3(3)=(0.4)3.0+(0.3


)4.5+(0.4)6.0 )4.5+(0.4)6.0 )4.5+(0.3)6.0
3
=4.20 =4.35 =4.35
Etapa 3

f3(s3,x3)= i3(x3) Solución óptima


s3
x3 =0 x3 =1 x3 =2 x3 =3 f3*(s3) x3 *

0 0 - - - 0 0

1 - 2 - - 2 1

2 - - 3.4 - 3.4 2

3 - - - 4.35 4.35 3

Etapa 3

f3(s3,x3)= i3(x3) Solución óptima


s3
x3 =0 x3 =1 x3 =2 x3 =3 f3*(s3) x 3*

0 0 - - - 0 0

1 - 2 - - 2 1

2 - - 3.4 - 3.4 2

3 - - - 4.35 4.35 3
Etapa 2

Solució
f2(s2,x2)= i2(x2)+f3(s2-x2)
n óptima
s
2
f2 * (
x2 =0 x2 =1 x2 =2 x2 =3 x2 *
s2 )

0+4.35 2+3.4= 3.25+2- 5.4


3 4.35 1
=4.35 5.40 =5.25 0

2+4.35 3.25+3.4= 4.35+2=6. 6.6


4 - 2
=6.35 6.65 35 5

3.25+4.35 4.35+3.4= 7.7


5 - - 3
=7.60 7.75 5

4.35+4.35 8.7
6 - - - 3
=8.70 0
Etapa 2

Solución
f2(s2,x2)= i2(x2)+f3(s2-x2)
óptima
s
2
x2 f2*(s2
x2 =0 x2 =1 x2 =2 x2 *
=3 )

0+4.35= 2+3.4=5. 3.25+2-


3 4.35 5.40 1
4.35 40 =5.25

2+4.35= 3.25+3.4=6. 4.35


4 - 6.65 2
6.35 65 +2=6.35

4.35
3.25+4.35=
5 - - +3.4=7. 7.75 3
7.60
75

4.35
6 - - - +4.35=8 8.70 3
.70
Etapa 1

Solución
f1(s1,x1)= i1(x1)+f2(s1-x1)
óptima
s
1
x1
x1 =0 x1 =1 x1 =2 x1 =3 f1*(s1) *

4.20
0+8.70= 2+7.75= 3.10+6.65= 1
6 +5.40=9. 9.75
8.70 9.75 9.75 (no 2)
60

$9.75 es el ingreso esperado (en el cual se consideraron las probabilidades),


para determinar la utilidad recuerde que la cantidad de inversión es siempre $6.

Asignar: Cliente1: 1 Cliente 2:3 Cliente3:2

No se incluye 2 en la primera etapa por tener probabilidad = 0