Unidad 1 Programacion Dinamica

INSTITUTO TECNOLÓGICO TUXTLA GUTIÉRREZ - EDUCACIÓN A DISTANCIA
UNIDAD I
PROGRAMACIÓN DINÁMICA
1.1 Características de los problemas de programación dinámica: etapas, estados,

fórmula recursiva, programación en avance y en retroceso.
La programación dinámica encuentra la solución óptima de un problema con n

variables descomponiéndolo en n etapas, siendo cada etapa un subproblema de una
sola variable. Sin embargo, como la naturaleza de la etapa difiere de acuerdo con el
problema de optimización, la programación dinámica no proporciona los detalles de
cómputo para optimizar cada etapa.
Un proceso de decisión de n etapas es el que puede separarse en cierto número de

pasos secuenciales o etapas, los cuales pueden completarse en una o más formas.
Las opciones para completar las etapas se denominan decisiones. Una política es una
secuencia de decisiones, una para cada etapa del proceso.
La condición del proceso en una etapa dada se denomina estado en esa etapa; cada
decisión produce una transición del estado actual a un estado asociado con la siguiente
etapa. Un proceso de decisión de n etapas es finito si hay solamente un número finito
de etapas en el proceso y un número finito de estados asociados a cada etapa.
Muchos procesos de decisión de n etapas tienen rendimientos (costos o beneficios)

asociados a cada decisión, y estos rendimientos pueden variar tanto con la etapa como
con el estado del proceso. El objetivo de analizar tales procesos es determinar una
política óptima que dé como resultado el mejor rendimiento total.
Los cálculos de programación dinámica se realizan en forma recursiva, ya que la

solución óptima de un subproblema se usa como dato para el siguiente subproblema.
Para cuando se resuelve el último subproblema queda a la mano la solución óptima de
todo el problema. La forma en que se hacen los cálculos recursivos depende de cómo
se descomponga el problema original.
Existen dos formas de plantear la fórmula de recursividad en los problemas de

programación dinámica:
1. Recursividad de Retroceso: el problema se resuelve partiendo de la última etapa

hacia la primera.
2. Recursividad de Avance: el problema se resuelve partiendo de la primera etapa
hacia la última.
1
1.2 Algunos ejemplos de modelos de P.D.
En estos apuntes se tratarán los problemas que se resuelven con programación

dinámica como son:
1. Problemas de la ruta más corta.
2. Problemas de asignación de recursos.
3. Problemas de la mochila.
4. Problemas de reemplazo de equipo.
5. Problemas de producción e inventarios.
1.3 Programación dinámica determinística.
En este punto se profundiza en el enfoque de programación dinámica para los

problemas determinísticos, en donde el estado en la siguiente etapa está
completamente determinado por el estado y la política de decisión de la etapa actual.
La programación dinámica determinística se puede describir en un diagrama como el
de la figura 1.1. En la etapa n el proceso está en algún estado Sn. Al tomar la decisión
Xn se mueve a algún estado Sn+1 en la etapa n + 1. La contribución a la función objetivo
de este punto en adelante se calcula como f n*+1 ( S n +1 ) . La política de decisión también
contribuye a la función objetivo. Al combinar estas dos cantidades en la forma
apropiada se obtiene f n ( S n , X n ) la contribución de la etapa n en adelante. La
optimización respecto a Xn da entonces f n* ( S n ) = f n ( S n , X n* ) . Una vez encontrados X n*
y f n* ( S n ) para cada valor posible de Sn, el procedimiento de solución se mueve hacia
atrás una etapa.
Figura 1.1 Estructura básica para programación dinámica determinística

Etapa n Etapa n +1
Xn
Estado: Sn Sn+1
Contribución de
Xn
Valor: f n (S n , X n ) f n*+1 ( S n +1 )
1.3.1 Problemas de la ruta más corta.
Ejercicio 1.1
Supongamos que se desea seleccionar la ruta más corta entre 2 ciudades. La red de la
figura 1.2 proporciona las rutas posibles entre la ciudad inicial en el nodo 1 y la ciudad
de destino en el nodo 10. Las rutas atraviesan ciudades intermedias, designadas por
los nodos 2 al 9.
2
Figura 1.2 Red del ejercicio 1.1
7 1
2 5
4 3
6
8 3
2
3 6
4 2
1 3 6 10
3
3 4
4
9
4 1 3
5 3
4 7
Etapa 1 Etapa 2 Etapa 3 Etapa 4
La ecuación recursiva hacia atrás se da como:
⎧⎪ f t (i ) = d ij ..... para _ t = n
⎨ f (i ) = min{d + f ( j )}..... para _ t < n
⎪⎩ t j
ij t +1
Donde:
n = número total de etapas
t = etapa
i = estado
dij = distancia ente la ciudad i y la ciudad j.
ft( i ) = distancia del camino más corto desde la ciudad i en la etapa t.
Solución al ejercicio 1.2. Aquí se tienen n = 4 etapas, dividiéndose la red en cada etapa
como se muestra en la figura 1.2.
En la etapa t = 4, el nodo 10 está conectado con los nodos 8 y 9 ( i = 8, i = 9)

exactamente con una ruta cada uno, no hay alternativas de donde elegir y los
resultados de la etapa 4 se pueden resumir como.
Etapa t = 4
dij Solución
i óptima
j = 10 f4 ( i ) j*
8 3 3 10
9 4 4 10
3
En la etapa t = 3, desde el nodo 5, se tienen dos rutas alternativas: (5,8) y (5,9), con
distancias para i = 5 y j = 8 se tiene d58 + f4(8) = 1 + 3 = 4 y para j = 9 se tiene d59 + f4(9)
= 3 + 4 = 7, de las que debe considerarse la ruta más corta desde el nodo 5 al nodo 10,
siendo ésta de 4 unidades, pasando por el nodo j = 8. Y así sucesivamente para cada
nodo en cada etapa.
Etapa t = 3
dij + f4( j ) Solución óptima
i
j=8 j=9 f 3( i ) j*
5 1+3=4 3+4=7 4 8
6 6+3=9 3+4=7 7 9
7 3+3=6 3+4=7 6 8
Etapa t = 2

i
j=5 j=6 j=7 f 2( i ) j*
7+4= 4+7= 6+6=
2 11 5,6
11 11 12
4+6=
3 3+4=7 2+7=9 7 5
10
5+6=
4 4+4=8 1+7=8 8 5,6
11
Etapa t = 1

i
j=2 j=3 j=4 f 1( i ) j*
2+11 = 4+7= 3+8=
1 11 3,4
13 11 11
La solución óptima en la etapa t = 1, muestra que el nodo 1, está unido con el nodo 3.
Después, la solución óptima en la etapa t = 2, muestra que el nodo 3 está unido con el
nodo 5. Después la solución óptima en la etapa t = 3, indica que el nodo 5 está unido
con el nodo 8. Por último la solución óptima en la etapa t = 4, indica que el nodo 8 está
unido con el nodo 10. Por consiguiente la ruta completa se da como: 1 → 3 → 5 → 8 →
10, con una distancia asociada de 11 unidades. De la misma manera se pueden
obtener dos rutas más, siendo éstas:
1 → 4 → 5 → 8 → 10 y 1 → 4 → 6 → 9 → 10, por supuesto con una distancia total de
11 unidades.
Ejercicio 1.2
Supongamos que se desea seleccionar la ruta más corta entre 2 ciudades. La red de la
figura 1.3 proporciona las rutas posibles entre la ciudad inicial en el nodo 1 y la ciudad
4
de destino en el nodo 14. Las rutas atraviesan ciudades intermedias, designadas por
los nodos 2 al 13.

2 5
2 7 6 4 10
3
8 6 5
8
5 9
8
3 4 7 7 11 2
5
6 2 3 10
1 9 14
3 1 8 3 5
7 12
9
2
4 8
6 1
6
11 5 2
9 5
4 8 13
5 9
3
Solución.
Etapa t = 4
dij Solución
i óptima
j = 14 f4 ( i ) j*
10 3 3 14
11 2 2 14
12 9 9 14
13 2 2 14
Etapa t = 3
dij + f4( j ) Solución optima

i
j = 10 j = 11 j =12 j = 13 f3 ( i ) j*
5+9= 8+2=
6 5+3=8 4+2=6 6 11
14 10
9+3= 8+2= 7+9= 10+2 =
7 10 11
12 10 16 12
2+9=
8 3+3=6 5+2=7 1+2=3 3 13
11
11+3 = 5+9= 8+2=
9 6+2=8 8 11
14 14 10
5
Etapa t = 2

i
j=6 j=7 j=8 j=9 f 2( i ) j*
7+10 = 8+8=
2 2+6=8 6+3=9 8 6
17 16
5+6= 4+10 = 2+8=
3 3+3=6 6 8
11 14 10
8+10 = 7+3= 6+8=
4 1+6=7 7 6
18 10 14
9+6= 5+10 = 3+8=
5 4+3=7 7 8
15 15 11
Etapa t = 1

i
j=2 j=3 j=4 j=5 f 1( i ) j*
5+8= 6+6= 9+7= 3+7=
1 10 5
13 12 16 10
Ruta más corta: 1 → 5 → 8 → 13 → 14, con una distancia asociada de 10 unidades
Ejercicio 1.3
Hallar el camino más corto del nodo 1 al nodo 15, de la red de la figura 1.4
El ejercicio 1.3 se resolverá mediante la recursividad de avance. La ecuación recursiva

hacia adelante se da como:
⎧⎪ f t (i ) = d ij ..... para _ t = 1
⎨ f ( j ) = min{d + f (i )}..... para _ t > 1
⎪⎩ t i
ij t −1
Solución:
Etapa t = 1
dij Solución
j óptima
i=1 f 1( j ) i*
2 4 4 1
3 6 6 1
4 8 8 1
6
4
5 9 3
3 2
7 4
2 2
6
1
5 3
6 3 10 5 13
4 5
4 2 4
3
6 4
1 3 2
15
8 6
4 2
6 6
7 1 11 2 14
4 1 2
2
4
3
5 4 3 3 5
8 2 12
Etapa 1 Etapa 2 Etapa 3 Etapa 4 Etapa 5

Etapa t = 2
dij + f1( i ) Solución óptima

j
i=2 i=3 i=4 f 2( j ) i*
4+6= 4+8=
5 3+4=7 7 2
10 12
6 2+4=6 3+6=9 1+8=9 6 2
2+8=
7 1+4=5 2+6=8 5 2
10
6+6= 3+8=
8 5+4=9 9 2
12 11
Etapa t = 3
dij + f2( i ) Solución optima
j
i=5 i=6 i=7 i=8 f3( j) i*
4+7= 5+9=
9 3+6=9 4+5=9 9 6, 7
11 14
4+9=
10 2+7=9 3+6=9 2+5=7 7 7
13
7+7= 3+9=
11 2+6=8 1+5=6 6 7
14 12
6+7= 4+6= 2+9=
12 2+5=7 7 7
13 10 11
7
Etapa t = 4
dij + f3( i ) Solución optima

j
i=9 i = 10 i = 11 i = 12 f4( j) i*
3+9= 5+7= 6+6= 3+7=
13 10 12
12 12 12 10
4+9= 4+7= 5+7=
14 2+6=8 8 11
13 11 12
Etapa t = 5
dij + f4( i ) Solución óptima
j
i = 13 i = 14 f 5( j ) i*
5+10 = 6+8=
15 14 14
15 14
Ruta más corta: 1 → 2 → 7 → 11 → 14 → 15, con una distancia asociada de 14

unidades
1.3.2 Problemas de asignación de recursos.
Estos problemas, en los cuales los recursos limitados se reparten entre varias
actividades, frecuentemente se resuelven mediante programación dinámica.
El proceso consiste en determinar cuánto se debe asignar en cada posibilidad u

oportunidad de asignación para optimizar el rendimiento total, es un proceso de
decisión de n etapas. Considerar la posibilidad j representa la etapa j (j = 1, 2,…,n). El
estado del proceso en la etapa j es la cantidad aún disponibles para asignar en la etapa
j.
Se puede representar como un programa matemático.
Optimícese: Z = g1(X1) + g2(X2) + . . .+ gn(Xn)
Con la restricción: X1 + X2 + . . . + Xn ≤ b
Con todas las variables enteras y no negativas
En que g1(X1), g2(X2),…., gn(Xn) son funciones (no lineales) conocidas de una sola
variable y b es un número entero no negativo conocido, es el modelo para un tipo
importante de procesos de decisión de etapas múltiples. Aquí, el número de etapas es
n. La etapa 1 comprende la especificación de la variable de decisión X1, con una
contribución resultante g1(X1) al rendimiento total: etc. Los estados son 0,1,2,…,b, que
representan los posibles valores para el número de unidades disponibles para
asignación.
8
Todas las etapas posteriores a la primera tienen estos mismos estados asociados a
ellas; la etapa 1 tiene el único estado b. La programación dinámica es una forma de
enfoque de los procesos de decisión de optimización de n etapas y se basa en el
enfoque de Bellman.
Principio de optimalidad. Una política óptima tiene la propiedad de que,

independientemente de las decisiones tomadas para llegar a un estado particular en
una etapa particular, las decisiones restantes deben constituir una política óptima para
abandonar ese estado.
Para aplicar este principio, comiéncese con la última etapa de un proceso de n etapas y
determínese para cada estado la mejor política para abandonar ese estado y completar
el proceso, considerando que todas las etapas precedentes se han concluido. Después
continúese hacia atrás a lo largo del proceso, etapa por etapa. En cada etapa,
determínese la mejor política para abandonar cada estado y concluir el proceso,
considerando que todas las etapas precedentes han sido concluidas y empleando los
resultados ya obtenidos para la etapa subsecuente. Al hacer esto, las anotaciones de la
tabla 1.1 se calcularán, donde:
s = variable de estado, cuyos valores especifican los estados.

fj(s) = rendimiento óptimo obtenido de concluir el proceso iniciado en la etapa j en el
estado s.
dj(s) = decisión tomada en la etapa j que permite obtener fj(s).
Tabla 1.1 Tabla de rendimientos óptimos y decisiones.
s
0 1 2 3 ...
fn(s)
} última etapa
dn(s)
fn-1(s)
} penúltima etapa
dn-1(s)
.........................
...
...
f1(s)
} primera etapa
d1(s)
Las anotaciones correspondientes a la última etapa de los procesos, fn(s) y dn(s),

generalmente pueden calcularse directamente. El resto de las anotaciones se obtiene
recursivamente; esto es, las anotaciones para la etapa j (j = 1,2,…,n-1) se determinan
como funciones de las anotaciones para la etapa j + 1. La fórmula de recursión resulta
dependiente del problema, y debe obtenerse de nuevo para cada tipo diferente de
proceso de n etapas.
Para simplificar las cosas, la tabla 1.1 se ha anotado como si cada etapa tuviera el
mismo conjunto de estados. Aún cuando esto puede producirse artificialmente
(penalizando adecuadamente las funciones de rendimiento fj), a menudo resulta más
9
natural emplear diferentes variables de estado, cada una con su propio rango de
valores, para las distintas etapas. Desde luego, este uso no altera de ninguna manera
la aplicación del principio de optimalidad.
La fórmula para la etapa n está dada por:
fn(s) = óptimo {gn(x)}

0 ≤x≤s
La fórmula de recursión hacia atrás para las etapas n – 1, n – 2, ….,1, esta dada por:
fj(s) = óptimo {gj(x) + fj+1(s - x)}

0 ≤x≤s
La solución óptima es Z* = f1(b), el rendimiento óptimo obtenido al completar los

procesos que se inician en la etapa 1 con b unidades disponibles para asignación.
Habiendo determinado Z*, las decisiones óptimas X 1* , X 2* ,…., X n* se encuentran
secuencialmente a partir de:
X 1* = d1* (b)
X 2* = d 2* (b − X 1* )
X 3* = d 3* (b − X 1* − X 2* )
………………………….
X n = d n* (b − X 1* − X 2* − ..... − X n*−1 )
*
Ejercicio 1.4
Una persona tiene $4000 que desea invertir y se le presentan 3 opciones. Cada opción
requiere depósitos en cantidades de $1000, el inversionista puede colocar todo el
dinero entre las 3. Las ganancias esperadas se presentan en la tabla siguiente:
Dinero invertido
0 1000 2000 3000 4000
Ganancia en la 2000 5000 6000 7000
0
oportunidad 1
Ganancia en la 0 1000 3000 6000 7000
oportunidad 2
Ganancia en la 0 1000 4000 5000 8000
oportunidad 3
Para la etapa 1, el inicio del proceso, hay 4 unidades de dinero disponibles; por lo
tanto, el estado es 4. Para las etapas 2 y 3, los estados pueden ser 0,1,2,3 o 4,
dependiendo de las asignaciones (decisiones) en etapas anteriores. La decisión en la
etapa j está representada por la variable Xj; los posibles valores de Xj son los enteros
de 0 al estado en la etapa j, inclusive.
Para facilidad de cálculo los datos se presentan en la siguiente tabla y en miles de

pesos.
10
Solución: Se resumen los ingresos en la tabla siguiente tabla:
x
0 1 2 3 4
g(x)
g1(x) 0 2 5 6 7
g2(x) 0 1 3 6 7
g3(x) 0 1 4 5 8
Es un problema de n = 3 etapas y la cantidad a invertir es b = 4.
Etapa j = 3
f3(s) = Máximo {g3(x)}
0 ≤ x ≤ s
f3(4) = max{ g3(0), g3(1), g3(2), g3(3), g3(4) } = max{ 0, 1, 4, 5, 8 } = 8 con d3(4) = 4
f3(3) = max{ g3(0), g3(1), g3(2), g3(3) } = max{ 0, 1, 4, 5 } = 5 con d3(3) = 3
f3(2) = max{ g3(0), g3(1), g3(2) } = max{ 0, 1, 4 } = 4 con d3(2) = 2
f3(1) = max{ g3(0), g3(1) } = max{ 0, 1 } = 1 con d3(1) = 1
f3(0) = max{ g3(0) } = max{ 0 } = 0 con d3(0) = 0
Estos resultados dan los primeros dos renglones de la tabla 1.2.
Tabla 1.2 Tabla de rendimientos y decisiones del ejercicio 1.4

s
0 1 2 3 4
f3(s) 0 1 4 5 8
d3(s) 0 1 2 3 4
f2(s) 0 1 4 6 8
d2(s) 0 0,1 0 3 0
f1(s) 9
d1(s) 2
Etapa j = 2
f2(s) = Máximo {g2(x) + f3(s - x)}

0 ≤ x ≤ s
f2(4) = max{g2(0) + f3(4), g2(1) + f3(3), g2(2) + f3(2), g2(3) + f3(1), g2(4) + f3(0) }
= max{0+8, 1+5, 3+4, 6+1, 7+0} = 8 con d2(4) = 0
f2(3) = max{g2(0) + f3(3), g2(1) + f3(2), g2(2) + f3(1), g2(3) + f3(0) }
= max{0+5, 1+4, 3+1, 6+0} = 6 con d2(3) = 3
f2(2) = max{g2(0) + f3(2), g2(1) + f3(1), g2(2) + f3(0) }
= max{0+4, 1+1, 3+0} = 4 con d2(2) = 0
f2(1) = max{g2(0) + f3(1), g2(1) + f3(0)}
= max{ 0+1, 1+0 } = 1 con d2(1) = 0, 1
f2(0) = max{ g2(0) + f3(0) }
= max{ 0+0 } = 0 con d2(0) = 0
11
Reuniendo los cálculos para la etapa 2, se obtienen los renglones 3º. Y 4º. de la tabla
1.2.
Etapa j = 1
Existe un sólo estado asociado con esta etapa 1, s = 4.
f1(4) = Máximo {g1(x) + f2(4 - x)}

0 ≤ x ≤ 4
f1(4) = max{g1(0) + f2(4), g1(1) + f2(3), g1(2) + f2(2), g1(3) + f2(1), g1(4) + f2(0) }
= max{0+8, 2+6, 5+4, 6+1, 7+0} = 9 con d1(4) = 2
Con estos datos se completa la tabla 1.2. El rendimiento máximo que se puede obtener
a partir de este programa de inversión de tres etapas iniciando con 4 unidades, es f1(4)
= 9 unidades. Para lograr este rendimiento, se asignan d1(4) = 2 unidades a la inversión
1, dejando 4 – 2 = 2 unidades para la etapa 2. Pero d2(2) = 0, lo cual indica que no
deberán gastarse unidades en esta etapa si sólo se dispone de 2 unidades. Así restan
dos unidades para la etapa 3, asignándose d3(2) = 2 a la inversión 3. Estas
conclusiones se resumen en la tabla siguiente.
Alternativa Unidades a Rendimiento

invertir
1 2 5
2 0 0
3 2 4
Suma: 9
Ejercicio 1.5
Finco tiene $6000 para invertir y hay tres opciones. Si Xj pesos (en miles) se colocan
en la inversión j, entonces se tiene un valor presente neto (en miles) de gj(Xj), donde
gj(Xj) son como se indica:
g1(X1) = 4X1 + 5 (X1 > 0)
g2(X2) = 3X2 + 7 (X2 > 0)
g3(X3) = 7X3 + 2 (X3 > 0)
g1(0) = g2(0) = g3(0) = 0
La cantidad colocada en cada inversión debe ser un múltiplo exacto de $1000. Para
maximizar el valor neto actual obtenido de las inversiones, ¿cómo debe repartir Finco
los $6000?
12
Para facilidad de cálculo los datos se presentan en la siguiente tabla y en miles de

pesos.
x 0 1 2 3 4 5 6
g(x)
g1(x) 0 9 13 17 21 25 29
g2(x) 0 10 13 16 19 22 25
g3(x) 0 9 16 23 30 37 44
Etapa j = 3
0 ≤ x ≤ s
f3(6) = max{ 0, 9, 16, 23, 30, 37, 44 } = 44 con d3(6) = 6

f3(5) = max{ 0, 9, 16, 23, 30, 37 } = 37 con d3(5) = 5
f3(4) = max{ 0, 9, 16, 23, 30 } = 30 con d3(4) = 4
f3(3) = max{ 0, 9, 16, 23 } = 23 con d3(3) = 3
f3(2) = max{ 0, 9, 16 } = 16 con d3(2) = 2
f3(1) = max{ 0, 9 } = 9 con d3(1) = 1
f3(0) = max{ 0 } = 0 con d3(0) = 0
Estos resultados dan los primeros dos renglones de la tabla 1.3.
s
0 1 2 3 4 5 6
f3(s) 0 9 16 23 30 37 44
d3(s) 0 1 2 3 4 5 6
f2(s) 0 10 19 26 33 40 47
d2(s) 0 1 1 1 1 1 1
f1(s) 49
d1(s) 1
Etapa j = 2
f2(s) = Máximo {g2(x) + f3(s - x)}

0 ≤ x ≤ s
13
Para claridad y facilidad, los cálculos de esta etapa se realizan en la tabla siguiente:
x
0 1 2 3 4 5 6 max d 2*
s
6 0+44=4 10+37= 13+30= 16+23= 19+16= 22+9=3 25+0=2 47 1
4 47 43 39 35 1 5
5 0+37=3 10+30= 13+23= 16+16= 19+9=2 22+0=2 40 1
7 40 36 32 8 2
4 0+30=3 10+23= 13+16= 16+9=2 19+0=1 33 1
0 33 29 5 9
3 0+23=2 10+16= 13+9=2 16+0=1 26 1
3 26 2 6
2 0+16=1 10+9=1 13+0=1 19 1
6 9 3
1 0+9=9 10+0=1 10 1
0
0 0+0=0 0 0
Los resultados de las últimas dos columnas se colocan en los renglones 3º. Y 4º. de la
tabla 1.3.
Etapa j = 1
f1(6) = Máximo {g1(x) + f2(6 - x)}

0 ≤ x ≤ 6
x
0 1 2 3 4 5 6 max d 1*
s
6 0+47=4 9+40=4 13+33= 17+26= 21+19= 25+10= 29+0=2 49 1
7 9 46 43 40 35 9
Determinación de la asignación óptima de recursos.

De la tabla 1.3 se obtiene:
X 1* = d1* (b) = d1* (6) = 1

X 2* = d 2* (b − X 1* ) = d 2* (6 − 1) = d 2* (5) = 1
X 3* = d 3* (b − X 1* − X 2* ) = d 3* (6 − 1 − 1) = d 3* (4) = 4
Alternativa Unidades a Utilidad

invertir
1 1 9
2 1 10
3 4 30
Suma: 49
14
Ejercicio 1.6
Una empresa tiene disponible $10000 para invertir en 4 alternativas de inversión y

desea determinar la combinación que le produzca el máximo beneficio total, los
rendimientos por cada $1000 invertidos se presentan a continuación:
x 0 1 2 3 4 5 6 7 8 9 10
g(x)
g1(x) 0 28 45 65 78 90 102 113 123 132 138
g2(x) 0 25 41 55 65 75 80 85 88 90 90
g3(x) 0 15 25 40 50 62 73 82 90 96 100
g4(x) 0 20 33 42 48 53 56 58 60 60 60
Etapa j = 4
0 ≤ x ≤ s
s
0 1 2 3 4 5 6 7 8 9 10
f4(s) 0 20 33 42 48 53 56 58 60 60 60
d4(s) 0 1 2 3 4 5 6 7 8 8 8
Etapa j = 3
f3(s) = Máximo {g3(x) + f4(s - x)}

0 ≤ x ≤ s
x 0 1 2 3 4 5 6 7 8 9 10 max d 3*
s
10 60 75 85 98 106 115 121 124 123 116 100 124 7
9 60 75 83 96 103 110 115 115 110 96 115 6,7
8 60 73 81 93 98 104 106 102 90 106 6
7 58 71 78 88 92 95 93 82 95 5
6 56 68 73 82 83 82 73 83 4
5 53 63 67 73 70 62 73 3
4 48 57 58 60 50 60 3
3 42 48 45 40 48 1
2 33 35 25 35 1
1 20 15 20 0
0 0 0 0
15
Etapa j = 2
f2(s) = Máximo {g2(x) + f3(s - x)}
0 ≤ x ≤ s
x 0 1 2 3 4 5 6 7 8 9 10 max d 2*
s
10 124 140 147 150 148 148 140 133 123 110 90 150 3
9 115 131 136 138 138 135 128 120 108 90 138 3
8 106 120 124 128 125 123 115 105 88 128 3
7 95 108 114 115 113 110 100 85 115 3
6 83 98 101 103 100 95 80 103 3
5 73 85 89 90 85 75 90 3
4 60 73 76 75 65 76 2
3 48 60 61 55 61 2
2 35 45 41 45 1
1 20 25 25 1
0 0 0 0
Etapa j = 1
f1(10) = Máximo {g1(x) + f2(10 - x)}

0 ≤ x ≤ 10
x 0 1 2 3 4 5 6 7 8 9 10 max d 1*
s
10 150 166 173 180 181 175 178 174 168 157 138 181 4
Tabla 1.4 de rendimientos y decisiones del ejercicio 1.6
s
0 1 2 3 4 5 6 7 8 9 10
f4(s) 0 20 33 42 48 53 56 58 60 60 60
d4(s) 0 1 2 3 4 5 6 7 8 8 8
f3(s) 0 20 35 48 60 73 83 95 106 115 124
d3(s) 0 0 1 1 3 3 4 5 6 6,7 7
f2(s) 0 25 45 61 76 90 103 115 128 138 150
d2(s) 0 1 1 2 2 3 3 3 3 3 3
f1(s) 181
d1(s) 4
16
Solución óptima:
X 1* = d 1* (b) = d 1* (10) = 4
X 2* = d 2* (b − X 1* ) = d 2* (6) = 3
X 3* = d 3* (b − X 1* − X 2* ) = d 3* (3) = 1
X 4* = d 4* (b − X 1* − X 2* − X 3* ) = d 4* (2) = 2
Alternativa Unidades a Utilidad

invertir
1 4 78
2 3 55
3 1 15
4 2 33
Suma: 181
Ejercicio 1.7
La Compañía Gacela fabrica una variedad muy popular de camisas para el mercado de
clientes en edad universitaria. Debido a un aumento en la demanda, José Preciado
presidente de Gacela, ha decidido ampliar las instalaciones de producción de la
compañía. La empresa dispone de $10000 para las ampliaciones. En la tabla se
muestran los aumentos en ingresos ocasionados por diversos niveles de inversión en
cada una de las 4 plantas de la empresa (todos los valores están dados en miles de
pesos).
Planta
Inversión
Saltillo Puebla Monterrey Oaxaca
0 0 0 0 0
1 5 3 6 4
2 6 6 7 6
3 7 8 8 8
4 7 8 9 9
Determine cuál es el método de invertir los $10000 que produzcan los mayores
ingresos.
x 0 1 2 3 4
g(x)
g1(x) 0 5 6 7 7
g2(x) 0 3 6 8 8
g3(x) 0 6 7 8 9
g4(x) 0 4 6 8 9
17
Etapa j = 4
0 ≤ x ≤ s
En esta etapa, s puede tomar los valores de 0 a 4, únicamente.
s
0 1 2 3 4
f4(s) 0 4 6 8 9
d4(s) 0 1 2 3 4
Etapa j = 3
f3(s) = Máximo {g3(x) + f4(s - x)}
0 ≤ x ≤ s
x
0 1 2 3 4 max d 3*
s
8 9+9= 18 4
18
7 8+9= 9+8= 17 3, 4
17 17
6 7+9= 8+8= 9+6= 16 2, 3
16 16 15
5 6+9= 7+8= 8+6= 9+4= 15 1, 2
15 15 14 13
4 0+9= 6+8= 7+6= 8+4= 9+0= 14 1
9 14 13 12 9
3 0+8= 6+6= 7+4= 8+0= 12 1
8 12 11 8
2 0+6= 6+4= 7+0= 10 1
6 10 7
1 0+4= 6+0= 6 1
4 6
0 0+0= 0 0
0
18
Etapa j = 2
f2(s) = Máximo {g2(x) + f3(s - x)}
0 ≤ x ≤ s
x
0 1 2 3 4 max d 2*
s
10 6+ 8+ 8+ 25 3
18=24 17=25 16=24
9 3+ 6+ 8+ 8+ 24 3
18=21 17=23 16=24 15=23
8 0+ 3+ 6+ 8+ 8+ 23 3
18=18 17=20 16=22 15=23 14=22
7 0+ 3+ 6+ 8+ 8+ 22 3
17=17 16=19 15=21 14=22 12=20
6 0+ 3+ 6+ 8+ 8+ 20 2, 3
16=16 15=18 14=20 12=20 10=18
5 0+ 3+ 6+ 8+ 8+6= 18 2, 3
15=15 14=17 12=18 10=18 14
4 0+ 3+ 6+ 8+6= 8+0= 16 2
14=14 12=15 10=16 14 8
3 0+ 3+ 6+6= 8+0= 13 1
12=12 10=13 12 8
2 0+ 3+6= 6+0= 10 0
10=10 9 6
1 0+6= 3+0= 6 0
6 3
0 0+0= 0 0
0
Etapa j = 1
f1(10) = Máximo {g1(x) + f2(s - x)}
0 ≤ x ≤ 4
x
0 1 2 3 4 max d 1*
s
10 0+ 5+ 6+ 7+ 7+ 29 1,2,
25=25 24=29 23=29 22=29 20=27 3
19
s
0 1 2 3 4 5 6 7 8 9 10
f4(s) 0 4 6 8 9
d4(s) 0 1 2 3 4
f3(s) 0 6 10 12 14 15 16 17 18
d3(s) 0 1 1 1 1 1,2 2,3 3,4 4
f2(s) 0 6 10 13 16 18 20 22 23 24 25
d2(s) 0 0 0 1 2 2,3 2,3 3 3 3 3
f1(s) 29
d1(s) 1,2,3
Soluciones óptimas:
Solución 1 Solución 2 Solución 3 Solución 4 Solución 5

Planta Inv. Rend. Inv. Rend Inv. Rend Inv. Rend Inv. Rend
. . . .
Saltillo 1 5 2 6 3 7 1 5 2 6
Puebla 3 8 3 8 3 8 3 8 3 8
Monterre 2 7 1 6 1 6 3 8 2 7
y
Oaxaca 4 9 4 9 3 8 3 8 3 8
Sumas: 10 29 10 29 10 29 10 29 10 29
1.3.3 Problemas de la mochila.
El modelo clásico de la mochila tiene que ver con el caso de un soldado o un

montañista que debe decidir cuáles son los artículos más valiosos que debe llevar en
su mochila.
Ejercicio 1.8
Un camionero que trabaja por su cuenta tiene 8 m3 de espacio disponible en un camión

que saldrá para la ciudad de Guadalajara. Un distribuidor que tiene grandes cantidades
de tres artículos diferentes, todos destinados para esa ciudad, ha ofrecido al camionero
los siguientes pagos por transportar tantos artículos como quepan en el camión:
Artículo i Pago Volumen

$/art. m3/art.
I 11 1
II 32 3
III 58 5
20
¿Cuántas unidades de cada artículo deberá aceptar el caminero a fin de maximizar los
pagos de embarque, sin exceder la capacidad disponible del camión?
Este problema puede considerarse como un proceso de tres etapas, que involucra
asignaciones de espacio a los artículos I, II y III, respectivamente. Puede representarse
mediante el modelo de asignación de recursos, con n = 3, b = 8 si Xj (j = 1,2,3) se
define como el número de metros cúbicos del artículo j que habrán de embarcarse, y si
gj(Xj) es el rendimiento al asignar Xj a la etapa j y está definido en la tabla 1.6. El estado
en una etapa dada, es el número de metros cúbicos de espacio aún disponibles.
Tabla 1.6
x 0 1 2 3 4 5 6 7 8
g(x)
g1(x) 0 11 22 33 44 55 66 77 88
g2(x) 0 0 0 32 32 32 64 64 64
g3(x) 0 0 0 0 0 58 58 58 58
El primer renglón de la tabla 1.6 es directo, ya que cada metro cúbico adicional
asignado al artículo I da un rendimiento adicional de $11. Para generar el segundo
renglón de la tabla, notar que cada artículo II ocupa 3 m3, así que hasta que se tengan
disponibles al menos 3 m3, ningún artículo de este tipo puede embarcarse y no se
obtendrá rendimiento. Si se asignan 3, 4 o 5 m3 al artículo II, sólo puede acomodarse
un artículo con un rendimiento de $32. Si se asignan 6, 7 u 8 m3, entonces pueden
embarcarse dos artículos con un rendimiento de $64. Un análisis similar es válido para
el artículo III. No se obtiene ningún rendimiento hasta que se le asignen 5 m3; si se
asignan 5, 6, 7 u 8 m3, sólo un artículo III puede ser embarcado con un rendimiento de
$58.
Como ya se mencionó anteriormente se usa el procedimiento de asignación de

recursos.
Etapa j = 3
0 ≤ x ≤ s
s
0 1 2 3 4 5 6 7 8
f3(s) 0 0 0 0 0 58 58 58 58
d3(s) 0 0 0 0 0 5 5 5 5
Etapa j = 2
f2(s) = Máximo {g2(x) + f3(s - x)}
0 ≤ x ≤ s
21
s
0 1 2 3 4 5 6 7 8 max d 2*
x
8 58 58 58 90 32 32 64 64 64 90 3
7 58 58 58 32 32 32 64 64 64 6,7
6 58 58 0 32 32 32 64 64 6
5 58 0 0 32 32 32 58 0
4 0 0 0 32 32 32 3,4
3 0 0 0 32 32 3
2 0 0 0 0 0
1 0 0 0 0
0 0 0 0
Etapa j = 1
f1(8) = Máximo {g1(x) + f2(8 - x)}

0 ≤ x ≤ 8
s
0 1 2 3 4 5 6 7 8 max d 1*
x
8 90 75 86 91 76 87 66 77 88 91 3
s
0 1 2 3 4 5 6 7 8
f3(s) 0 0 0 0 0 58 58 58 58
d3(s) 0 0 0 0 0 5 5 5 5
f2(s) 0 0 0 32 32 58 64 64 90
d2(s) 0 0 0 3 3,4 0 6 6,7 3
f1(s) 91
d1(s) 3
La tabla 1.7 muestra que el mejor rendimiento total que puede obtener el camionero,
iniciando la etapa 1 con 8 m3 de espacio disponible, es f1(8) = 91, para lograr esto 3 m3
(d1(8) = 3) deberán ser asignados al artículo I, dejando 5 m3 para las siguientes etapas.
No deberá asignarse ningún volumen al artículo II (d2(5) = 0), dejando 5 m3 para la
etapa 3 los cuales deberán asignarse al artículo III (d3(5) = 5). En conclusión el
camionero deberá llevar tres artículos I y un artículo III con un pago total de $91.
22
Ejercicio 1.9
Un barco de 4 toneladas se carga con uno o más de tres artículos. La tabla siguiente
muestra el peso unitario en toneladas y el ingreso por unidad rj en miles de pesos, para
el artículo j. ¿Cómo se debe cargar el barco para maximizar los ingresos totales?
Artículo j wj rj
1 2 31
2 3 47
3 1 14
Como los pesos unitarios wj y el máximo W son enteros, el estado xj sólo debe tener
valores enteros.
Solución: Se resumen los ingresos en la siguiente tabla:
x 0 1 2 3 4
g(x)
g1(x) 0 0 31 31 62
g2(x) 0 0 0 47 47
g3(x) 0 14 28 42 56
Etapa j = 3
0 ≤ x ≤ s
s
0 1 2 3 4
f3(s) 0 14 28 42 56
d3(s) 0 1 2 3 4
Etapa j = 2
f2(s) = Máximo {g2(x) + f3(s - x)}
0 ≤ x ≤ s
x 0 1 2 3 4 max d 2*
s
4 56 42 28 61 47 61 3
3 42 28 14 47 47 3
2 28 14 0 28 0
1 14 0 14 0
0 0 0 0
23
Etapa j = 1
f1(4) = Máximo {g1(x) + f2(4 - x)}

0 ≤ x ≤ 4
x 0 1 2 3 4 max d 1*
s
4 61 47 59 45 62 62 4
s
0 1 2 3 4
f3(s) 0 14 28 42 56
d3(s) 0 1 2 3 4
f2(s) 0 14 28 47 61
d2(s) 0 0 0 3 3
f1(s) 62
d1(s) 4
Solución óptima:
X 1* = d1* (b) = d1* (4) = 4

X 2* = d 2* (b − X 1* ) = d 2* (0) = 0
X 3* = d 3* (b − X 1* − X 2* ) = d 3* (0) = 0
Alternativa Artículos a Utilidad

embarcar
1 2 62
2 0 0
3 0 0
Suma: 62
24
Ejercicio 1.10
Cuatro compañías han solicitado que un lanchón de carga capaz de transportar hasta
10 toneladas de material, lleve sus mercancías de San Luis a Nueva Orleans. Cada
compañía puede suministrar tanta mercancía como el capitán del lanchón desee
aceptar. La mercancía deberá ser embarcada en cantidades limitadas. En la siguiente
tabla se muestran los pesos de la mercancía y los costos de embarque.
Peso de la Costo de
Compañía mercancía embarque
Ton/art $/art
I 1 10
II 2 25
III 3 45
IV 4 60
¿Cuántos artículos de la mercancía de cada compañía deberá aceptar el capitán del

lanchón, a fin de maximizar las cuotas totales de embarque, sin exceder la capacidad
del lanchón?
Max. Z = 10X1 + 25X2 + 45X3 + 60X4
Xj = No. de art. de la mercancía j (j = 1,2,3,4) a embarcar.
S.a. X1 + 2X2 + 3X3 + 4X4 ≤ 10

X1 , X2 , X3 , X4 ≥ 0 y enteras
Solución: Se resumen los ingresos en la siguiente tabla:
x
0 1 2 3 4 5 6 7 8 9 10
g(x)
g1(x) 0 10 20 30 40 50 60 70 80 90 100
g2(x) 0 0 25 25 50 50 75 75 100 100 125
g3(x) 0 0 0 45 45 45 90 90 90 135 135
g4(x) 0 0 0 0 60 60 60 60 120 120 120
Etapa j = 4
0 ≤ x ≤ s
s
0 1 2 3 4 5 6 7 8 9 10
f4(s) 0 0 0 0 60 60 60 60 120 120 120
d4(s) 0 0 0 0 4 4 4 4 8 8 8
Etapa j = 3
f3(s) = Máximo {g3(x) + f4(s - x)}
0 ≤ x ≤ s
25
x 0 1 2 3 4 5 6 7 8 9 10 max d 3*
s
10 120 120 120 105 105 105 150 90 90 135 135 150 6
9 120 120 60 105 105 105 90 90 90 135 135 9
8 120 60 60 105 105 45 90 90 90 120 0
7 60 60 60 105 45 45 90 90 105 3
6 60 60 60 45 45 45 90 90 6
5 60 60 0 45 45 45 60 0,1
4 60 0 0 45 45 60 0
3 0 0 0 45 45 3
2 0 0 0 0 0
1 0 0 0 0
0 0 0 0
Etapa j = 2
f2(s) = Máximo {g2(x) + f3(s - x)}
0 ≤ x ≤ s
x 0 1 2 3 4 5 6 7 8 9 10 max d 2*
s
10 150 135 145 130 140 110 135 120 100 100 125 150 0
9 135 120 130 115 110 110 120 75 100 100 135 0
8 120 105 115 85 110 95 75 75 100 120 0
7 105 90 85 85 95 50 75 75 105 0
6 90 60 85 70 50 50 75 90 0
5 60 60 70 25 50 50 70 2
4 60 45 25 25 50 60 0
3 45 0 25 25 45 0
2 0 0 25 25 2
1 0 0 0 0
0 0 0 0
Etapa j = 1
f1(10) = Máximo {g1(x) + f2(10 - x)}

0 ≤ x ≤ 10
x 0 1 2 3 4 5 6 7 8 9 10 max d 1*
s
10 150 145 140 135 130 120 120 115 105 90 100 150 0
26
s
0 1 2 3 4 5 6 7 8 9 10
f4(s) 0 0 0 0 60 60 60 60 120 120 120
d4(s) 0 0 0 0 4 4 4 4 8 8 8
f3(s) 0 0 0 45 60 60 90 105 120 135 150
d3(s) 0 0 0 3 0 0,1 6 3 0 9 6
f2(s) 0 0 25 45 60 70 90 105 120 135 150
d2(s) 0 0 2 0 0 2 0 0 0 0 0
f1(s) 150
d1(s) 0
Solución óptima:
X 1* = d1* (b) = d1* (10) = 0

X 2* = d 2* (b − X 1* ) = d 2* (10) = 0
X 3* = d 3* (b − X 1* − X 2* ) = d 3* (10) = 6
X 4* = d 4* (b − X 1* − X 2* − X 3* ) = d 4* (4) = 4
Compañía Artículos a Utilidad

embarcar
1 0 0
2 0 0
3 2 90
4 1 60
Suma: 150
1.3.4 Problemas de reemplazo de equipo.
Al principio de cada uno de los n años sucesivos se debe dicidir si se conserva (C) un
equipo o se reemplaza (R). Si se conserva se incurre en un costo anual que aumenta
con la edad que tiene el equipo a principio de año. Si se reemplaza surge el costo de
comprar un equipo nuevo más costo de mantenimiento anual del equipo nuevo. Se
supone que se empieza con un equipo nuevo. Sea s (estado) la edad del equipo
medida en años y sean:
M(s): Costo anual de mantenimiento de un equipo de edad s.

P: Precio de un equipo nuevo.
VR: Valor de rescate del equipo.
fj(s): Rendimiento óptimo que se logrará en la etapa j, en el estado s.
n: Horizonte de planeación (número total de etapas)
27
La ecuación recursiva hacia atrás se da como:
⎧ 1.. f n ( s ) = −VR( s )..... para..la..etapa..n

⎪⎪ ⎡− VR( s) + P + M (1) + f j +1 (1)... Re emplazar ⎤
⎨2.. f j ( s ) = min ⎢ ⎥..... para..las..etapas.. j = n − 1, n − 2,...,1
⎪ ⎣ M ( s + 1) + f j +1 ( s + 1)...Conser var ⎦
⎪⎩ 3.. f 0 (0) = P + M (1) + f1 (1)..... para..la..etapa..0
Ejercicio 1.11
Un taller de reparación de automóviles requiere tener siempre disponible un máquina

analizadora de motores. Una máquina nueva cuesta $1000. El costo M(s) por el
mantenimiento de una máquina durante sus tres primeros años de operación es como
se indica M(1) = 60, M(2) = 80 y M(3) = 120. Una máquina se puede conservar
durante 1, 2 o 3 años; después de s años de uso (s = 1, 2, 3) se puede dar como pago
inicial de una nueva. Si una máquina de s años de antigüedad se da como pago inicial,
se consigue un valor de rescate de VR(1) = 800, VR(2) = 600 y VR(3) = 500. Dado que
una máquina nueva se debe comprar ahora (tiempo 0), el taller desea determinar una
estrategia de reemplazo durante los 5 años siguientes.
Solución mediante las fórmulas de recursión hacia atrás.
Horizonte de planeación (n = 5)
Etapa j = 5
Edad (s) fn(s) = -VR

3 f5(3) = -500
2 f5(2) = -600
1 f5(1) = -800
Etapa j = 4
Conservar Reemplazar Solución óptima

Edad
M(s + 1) + f5(s + -VR(s) + P + M(1) + f5(1) f4(s) Decisión
(s)
1)
3 Se debe -500 + 1000 + 60 – 800 = - -240 R
reemplazar 240
2 120 – 500 = -380 -600 + 1000 + 60 – 800 = - -380 C
340
1 80 – 600 = -520 -800 + 1000 + 60 – 800 = - -520 C
540
28
Etapa j = 3

Edad
(s)
1)
3 Se debe -500 + 1000 + 60 – 520 = 40 40 R
reemplazar
2 120 – 240 = -120 -600 + 1000 + 60 – 520 = - -120 C
60
1 80 – 380 = -300 -800 + 1000 + 60 – 520 = - -300 C
260
Etapa j = 2

Edad
(s)
1)
2 120 + 40 = 160 -600 + 1000 + 60 – 300 = 160 C, R
160
1 80 – 120 = -40 -800 + 1000 + 60 – 300 = - -40 C, R
40
Etapa j = 1

Edad
(s)
1)
1 80 + 160 = 240 -800 + 1000 + 60 – 40 = 220 220 R
Etapa j = 0
f0(0) = 1000 + 60 + 220 = 1280
La solución óptima se obtiene a partir de la etapa 0 en adelante, esto se muestra en la

tabla 1.10.
Tabla 1.10 Solución óptima número 1 del ejercicio 1.11

Inicio de Edad de la Ver etapa Decisión Costo
año máquina
1 0 0 Comprar 1060
2 1 1 Reemplazar 260
3 1 2 Conservar 80
4 2 3 Conservar 120
6 1 5 Vender -800
Costo total 1280
29
Existen dos soluciones óptimas, la siguiente se presenta en la tabla 1.11.
Tabla 1.11 Solución óptima número 2 del ejercicio 1.11

Inicio de Edad de la Ver etapa Decisión Costo
año máquina
1 0 0 Comprar 1060
4 1 3 Conservar 80
5 2 4 Conservar 120
6 3 5 Vender -500
Costo total 1280
Se considerará este problema sobre un horizonte de planeación elegido de 5 años. Se

empezará con una máquina nueva y se venderá cualquier máquina que se tenga
disponible al final del quinto año. Empezando con el segundo año, se deberá tomar la
decisión al inicio de cada año. Las alternativas son conservar (C) la máquina al menos
otro año o reemplezar (R) la máquina por una nueva del mismo modelo.
En la figura 1.5 Se muestra en forma gráfica el proceso de decisión. Los números

dentro de los círculos denotan la edad de la máquina antes de tomar una decisión. Se
empieza con una máquina de edad 0 (nueva). Después de 1 año, la máquina tiene la
edad (1 año de antigüedad). En este punto, puede conservarse (rama superior) y
terminar con una máquina de edad 2 al final del año 2 o cambiarla por una máquina
nueva (rama inferior) y tener una máquina de edad 1 al final del año 2, y así
sucesivamente. Ninguna máquina se conserva más de 5 años. Los números junto a las
ramas indican el costo total anual asociado con la acción correspondiente,
obteniéndose éstos de la siguiente manera:
3 3 3 3
120
R 1520 R
120 120
1260 1780
C C C 560
560 -500
Estado (edad)
2 2 2 2
R
2
80 R 80 R 80 80
1140 1400 1660 1900
460 460 460 -600

C C C
R 260 R 260 R 260 R 260
1 1 1 1 1 1
1060 1320 1580 1820 2080 -800
1060
30
1280
0 0
1 2 3 4 5
6
Etapa
Costo[acción ,i ,j]
Donde: acción = puede ser comprar, conservar, reemplazar o vender

i = antigüedad inicial
j = antigüedad final
Costo[comprar, 0, 1] = 1000 + 60 = 1060

Costo[conservar, 1, 2] = 80
Costo[reemplazar, 1, 1] = 1000 – 800 + 60 =
260
460
560
Costo[vender, 1, 0] = -800
Los costos de conservar corresponden a los costos de mantenimiento de acuerdo a la

antigüedad de la máquina M(s), los costos de reemplazar están en función de la
compra de la máquina, el valor de rescate y los costos de mantenimiento de la máquina
para el primer año y se obtienen a través de la fórmula: P – VR(s) + M(1) y los costos
de vender corresponden a los valores de rescate de acuerdo a la antigüedad de la
máquina VR(s).
La red sugiere que cada año representa una etapa y que la edad de la máquina
disponible al final de un año sirve como variable de estado. La etapa 6 representa la
acción de vender la máquina que se tiene al final del año 5. El objetivo es determinar
una política que minimice los costos totales sobre el horizonte de planeación.
Solución óptima en la red.
Debajo de cada nodo se anota el valor que corresponde a la ruta más corta para llegar
a ese nodo.
Comenzando con la etapa n = 5 (fin del año 5) y considerando las líneas oscuras que
llevan a los nodos de la edad 1, indican la acción óptima. La acción óptima para la
etapa 5 es vender una máquina de edad 3 (en este ejercicio existen dos soluciones
óptimas, analizaremos la segunda). Una línea oscura lleva del estado 3 de la etapa 5
(fin del año 5) al punto terminal. Esto implica que una máquina se conserva al final del
año 4 y se conserva al final del año 3. La línea oscura que lleva del estado 1 de la
etapa 2 al estado 1 de la etapa 3 indica que un reemplazo ocurrió al final del año 2 y
tuvo que haber sido reemplazada al final del año 1. (ver tabla 1.11)
31
La primera solución óptima. La acción óptima para la etapa 5 es vender una máquina
de edad 1 Una línea oscura lleva del estado 1 de la etapa 5 (fin del año 5) al punto
terminal. Esto implica que una máquina se reemplaza al final del año 4, se conserva al
final del año 3 y se conserva al final del año 2 y tuvo que haber sido reemplazada al
final del año 1. (Ver tabla 1.10)
Ejercicio 1.12
Suponga que un automóvil nuevo cuesta $100 y que el costo anual de mantenimiento y
el valor de rescate del automóvil son como los que se presentan en la siguiente tabla.
Si se tiene un automóvil nuevo ahora, determinar una estrategia de reemplazo que
minimice el costo de poseer y operar un carro durante los 6 años siguientes.
Edad del auto Valor de Gastos de

(años) rescate mantenimiento
1 70 3
2 60 5
3 40 8
4 30 12
5 20 16
6 10 22
Solución:
Etapa j = 6

6 f6(6) = -10
5 f6(5) = -20
4 f6(4) = -30
3 f6(3) = -40
2 f6(2) = -60
1 f6(1) = -70
Etapa j = 5

Edad
M(s + 1) + f6(s + -VR(s) + P + M(1) + f5(s) Decisión
(s)
1) f6(1)
5 22 – 10 = 12 -20 + 100 + 3 – 70 = 12 C
13
4 16 – 20 = -4 -30 + 100 + 3 – 70 = 3 -4 C
3 12 – 30 = -18 -40 + 100 + 3 – 70 = -7 -18 C
2 8 – 40 = -32 -60 + 100 + 3 – 70 = - -32 C
27
1 5 – 60 = -55 -70 + 100 + 3 – 70 = - -55 C
37
32
Etapa j = 4

Edad
(s)
1) f5(1)
4 16 + 12 = 28 -30 + 100 + 3 – 55 = 18 R
18
3 12 – 4 = 8 -40 + 100 + 3 – 55 = 8 8 C, R
2 8 – 18 = -10 -60 + 100 + 3 – 55 = - -12 R
12
1 5 – 32 = -27 -70 + 100 + 3 – 70 = - -27 C
22
Etapa j = 3

Edad
(s)
1) f4(1)
3 12 + 18 = 30 -40 + 100 + 3 – 27 = 30 C
36
2 8 + 8 = 16 -60 + 100 + 3 – 27 = 16 C, R
16
1 5 – 12 = -7 -70 + 100 + 3 – 27 = 6 -7 C
Etapa j = 2

Edad
(s)
1) f3(1)
2 8 + 30 = 38 -60 + 100 + 3 – 7 = 36 36 R
1 5 + 16 = 21 -70 + 100 + 3 – 7 = 26 21 C
Etapa j = 1

Edad
(s)
1) f2(1)
1 5 + 36 = 41 -70 + 100 + 3 + 21 = 41 C
54
Etapa j = 0
f0(0) = 100 + 3 + 41 = 144
33

tabla 1.12.
Tabla 1.12 Solución óptima del ejercicio 1.12

Inicio de Edad del auto Ver etapa Decisión Costo
año
1 0 0 Comprar 103
2 1 1 Conservar 5
3 2 2 Reemplazar 43
4 1 3 Conservar 5
5 2 4 Reemplazar 43
6 1 5 Conservar 5
7 2 6 Vender -60
Costo total 144
Solución óptima: Al principio del año 1, se compra el auto; al principio del año 2 el auto
tiene un año de edad y en la tabla de la etapa 1, la solución óptima es conservar, por lo
que al principio del año 3 el auto tiene 2 años de edad y en la tabla de la etapa 2 la
solución es reemplazar; esto implica que al principio del año 4 el auto tiene 1 año de
edad por lo que en la tabla de la etapa 3 la decisión es conservar; entonces al principio
del año 5 el auto tiene dos años de edad y en la tabla de la etapa 4 la decisión es
reemplazar, entonces al principio del año 6 el auto tiene un año de edad y en la tabla
de la etapa 5 la decisión es conservar, para finalmente vender el auto con un costo total
de 144.

6 6
22
166
C -10
5 5 5
16
16
144 R 177
C -20
C
83
4 4 4 4
12 R 12 12
128 161 R 176
Estado (edad)
C -30
C C
73 73
3 3 3 3 3
8
R R 8 R 8
116 8 164 192
149
-40
C C C C 63
63 63
2 2 R
2 R 2 2 R 2
R
5 5 141 5 184 204
108 156 5 5
-60
43 43 43
C 43 C
C C C
R 33 R 33 R 33 R 33 R 33
1 1 1 1 1 1 1
103 136 151
34 179 199 227
-70
103
0 0
1 2 3 4 5 6 144
Etapa 7
Solución mediante red de la figura 1.6, por medio de la ruta más corta, se obtiene la
misma solución óptima de la tabla 1.12.
Determinación de los costos para cada rama de la red.
Costo[comprar, 0, 1] = 100 + 3 = Costo[reemplazar, 1, 1] = 100 – 70 + 3 =

103 33
Costo[conservar, 1, 2] = 5 Costo[reemplazar, 2, 1] = 100 – 60 + 3 =
43
63
73
83
Costo[vender, 1, 0] = -70 Costo[vender, 4, 0] = -30
Ejercicio 1.13
Las camionetas de carga reciben un trato muy duro, por lo que no duran muchos años.
Los registros anteriores de un contratista muestran el siguiente patrón de costos de
operación y mantenimiento y el valor de rescate para un modelo dado.
Años de Valor de Gastos de

operación rescate mantenimiento
1 140 90
2 120 93
3 110 106
4 80 96
5 70 114
6 50 104
Ningún camión será utilizado por más de 6 años y el horizonte de planeación es de 9

años. Se empezará con un camión nuevo y se venderá cualquier camión que se tenga
disponible al final del noveno año. Empezando con el segundo año, el propietario
deberá tomar una decisión al inicio de cada año. Un camión nuevo tiene un costo de
$180. ¿Cuándo debería reemplazarse este modelo?
Solución:
35
Etapa j = 9
6 f9(6) = -50
5 f9(5) = -70
4 f9(4) = -80
3 f9(3) = -110
2 f9(2) = -120
1 f9(1) = -140
Etapa j = 8

Edad
(s)
1) f9(1)
6 Se debe -50 + 270 – 140 = 80 80 R
reemplazar
5 104 – 50 = 54 -70 + 270 – 140 = 60 54 C
4 114 – 70 = 44 -80 + 270 – 140 = 50 44 C
3 96 – 80 = 16 -110 + 270 – 140 = 20 16 C
2 106 – 110 = -4 -120 + 270 – 140 = 10 -4 C
1 93 – 120 = -27 -140 + 270 – 140 = -10 -27 C
Etapa j = 7

Edad
(s)
1) f8(1)
6 Se debe -50 + 270 – 27 = 193 193 R
reemplazar
5 104 + 80 = 184 -70 + 270 – 27 = 173 173 R
4 114 + 54 = 168 -80 + 270 – 27 = 163 163 R
3 96 + 44 = 140 -110 + 270 – 27 = 133 133 R
2 106 + 16 = 122 -120 + 270 – 27 = 123 122 C
1 93 – 4 = 89 -140 + 270 – 27 = 103 89 C
Etapa j = 6

Edad
(s)
1) f7(1)
6 Se debe -50 + 270 + 89 = 309 309 R
reemplazar
5 104 + 193 = 297 -70 + 270 + 89 = 289 289 R
4 114 + 173 = 287 -80 + 270 + 89 = 279 279 R
3 96 + 163 = 259 -110 + 270 + 89 = 249 249 R
2 106 + 133 = 239 -120 + 270 + 89 = 239 239 C, R
1 93 + 122 = 215 -140 + 270 + 89 = 219 215 C
36
Etapa j = 5
Edad
(s)
1) f6(1)
5 104 + 309 = 413 -70 + 270 + 215 = 415 413 C
4 114 + 289 = 403 -80 + 270 + 215 = 405 403 C
3 96 + 279 = 375 -110 + 270 + 215 = 375 C, R
375
2 106 + 249 = 355 -120 + 270 + 215 = 355 C
365
1 93 + 239 = 332 -140 + 270 + 215 = 332 C
345
Etapa j = 4

Edad
(s)
1) f5(1)
4 114 + 413 = 527 -80 + 270 + 332 = 522 522 R
3 96 + 403 = 499 -110 + 270 + 332 = 492 R
492
2 106 + 375 = 481 -120 + 270 + 332 = 481 C
482
1 93 + 355 = 448 -140 + 270 + 332 = 448 C
462
Etapa j = 3
Edad
(s)
1) f4(1)
3 96 + 522 = 618 -110 + 270 + 448 = 608 R
608
2 106 + 492 = 598 -120 + 270 + 448 = 598 C, R
598
1 93 + 481 = 574 -140 + 270 + 448 = 574 C
578
Etapa j = 2

Edad
(s)
1) f3(1)
2 106 + 608 = 714 -120 + 270 + 574 = 714 C
724
1 93 + 598 = 691 -140 + 270 + 574 = 691 C
704
37
Etapa j = 1

Edad
(s)
1) f2(1)
1 93 + 714 = 807 -140 + 270 + 691 = 807 C
821
Etapa j = 0
f0(0) = 180 + 90 + 807 = 1077

tabla 1.13.
Tabla 1.13 Solución óptima del ejercicio 1.13

Inicio de Edad del auto Ver etapa Decisión Costo
año
1 0 0 Comprar 270
2 1 1 Conservar 93
3 2 2 Conservar 106
5 1 4 Conservar 93
6 2 5 Conservar 106
8 1 7 Conservar 93
9 2 8 Conservar 106
10 3 9 Vender -110
Costo total 1077
Solución mediante red de la figura 1.7, por medio de la ruta más corta, se obtiene la
misma solución óptima de la tabla 1.13.
Determinación de los costos para cada rama de la red.
Costo[comprar, 0, 1] = 180 + 90 = 270 Costo[reemplazar, 1, 1] = 180 – 140 + 90 =

130
150
160
190
200
38
220
39

6 6 6 6 6
783 104 913 104 1026 104 1142
104 R R R
C
C C C
5 220 220 220

5 5 5 5 5
679 R 809 922 R 1038 R 1164
R 114 114 -50
114 114 114
C C -70
C C C
4 4 200 4 4 200 200
4 200 4 4
565 R 695 R 808 R 924 R
96 96 1050 96 1167
96 R
96 96
190 190
C -80
Estado (edad)
C C C C C
190 190 190
3 3 3 3 3 3 3 3
469 R 106 599 R 106 712 R 828 R 954 R 1071 R 1187
106 106
106 106
160 160 160 106
160
C -110
C C C C C C
160
2 160
2 2 2 2 2 2 2 2
R R R R R R R
93
363 93 493 606 722 848 965 150 1081 1207
150 150 150 150 150
93
150 93 93 93 93
93
C C C C C -120
C C C
1 R 130 R 130 R 130 R 130 R 130 R 130 R 130 R 130

1 1 140 1 1 1 1 1 1
270 400 513 629 755 872 988 1114 1231
270
-140
0 0 1077
1 2 3 5 6 8 9
1.3.5 Problemas de producción e inventarios.
En este caso no se permiten faltantes y se incurre en costo de preparación cada vez

que se inicia un lote de producción.
En la figura siguiente se resume la situación del inventario en un esquema. Los

símbolos que se ven en la figura 1.13, se definen para el periodo i, i = 1,2,....,n como
sigue.
Figura 1.8 Elementos del modelo dinámico de inventarios.
P1 P2 P3 Pn-1 Pn
I1 Periodo I2 Periodo I3 Periodo I4 In-1 Periodo In Periodo In+1

1 2 3 n-1 n
D1 D2 D3 Dn-1 Dn
Donde:
Pi = Producción en el periodo i.
Di = Demanda en el periodo i.
Ii = Inventario al inicio del periodo i.
Ki = Costo de preparación en el periodo i.
hi = Costo unitario de almacenamiento del inventario del periodo i al periodo i+1.
La función correspondiente de costo de producción para el periodo i es:

⎧ 0 Pi = 0
Ci (Pi) = ⎨
⎩ K i + ci Pi Pi > 0
La función ci (Pi) es la función de costo marginal de producción para Pi
En ausencia de faltantes el modelo de inventario se basa en minimizar la suma de los

costos de producción y almacenamiento para los n periodos. Para simplificar se supone
que el costo de almacenamiento para el periodo i se basa en el inventario de final del
periodo, que se define como sigue:
Ii+1 = Ii + Pi - Di
Para la ecuación recursiva de avance, el estado en la etapa (periodo) i se de define

como Ii+1, el inventario al final del periodo, en donde:
0 ≤ Ii+1 ≤ Di+1 + ….+ Dn
41
En esta desigualdad se reconoce que en el caso extremo, el inventario restante Ii+1

puede satisfacer la demanda para todos los periodos restantes.
Sea f i ( I i +1 ) el mínimo costo del inventario para los periodos 1,2,….,n, dado el
inventario Ii+1 de fin de periodo. La ecuación en avance resulta ser:
Para la etapa i = 1
f1 ( I 2 ) = min{C1 P1 + h1 I 2 }
n
Donde: D1 − I 1 ≤ P1 ≤ ∑ Da − I 1
a =i
Para la etapa i = 2,3,….,n

f i ( I i +1 ) = min{C i Pi + hi I i +1 + f i −1 ( I i +1 + Di − Pi )}
n
Donde: 0 ≤ Pi ≤ ∑ Da + I n +1
a =i
Ejercicio 1.14
Encuentre la solución óptima para la situación del inventario de 3 periodos que a

continuación se proporciona. La demanda ocurre en unidades discretas y el inventario
inicial es I1 = 1 unidad.
Periodo Demanda Costo de Costo de

i Di Preparación Almacenamiento
unidades Ki hi
1 3 3 1
2 2 7 3
3 4 6 2
El costo de producción por unidad es de $10 para las 3 primeras unidades y de $20 por
cada unidad adicional, lo que se traduce matemáticamente en lo siguiente:
⎧ 10 Pi 0 ≤ Pi ≤ 3
Ci (Pi) = ⎨
⎩30 + 20( Pi − 3) Pi ≥ 4
42
Etapa (i = 1)
D1 = 3; 0 ≤ I2 ≤ 2 + 4; 3 – 1 ≤ P1 ≤ 3 + 2 + 4 - 1
0 ≤ I2 ≤ 6 2 ≤ P1 ≤ 8
C1P1 + h1I2
h1I P1 = 2 P1 = 3 P1 = 4 P1 = 5 P1 = 6 P1 = 7 P1 = 8 Sol. opt.
I2 C1P1= C1P1= C1P1= C1P1= C1P1= C1P1=1 C1P1=1
2 f1(I2) P1*
0 0 23
23 33 53 73 93 13 33 23 2
1 1 34 34 3
2 2 55 55 4
3 3 76 76 5
4 4 97 97 6
5 5 118 118 7
6 6 139 139 8
Etapa (i = 2)
D2 = 2; 0 ≤ I3 ≤ 4; 0 ≤ P2 ≤ 2 + 4
0 ≤ P2 ≤ 6
C 2 P2 + h2 I 3 + f1 ( I 3 + D2 − P2 )
I h2I P2 = 0 P2 = 1 P2 = 2 P2 = 3 P2 = 4 P2 = 5 P2 = 6 Sol. opt.
3 3 C2P2= C2P2= C2P2= C2P2= C2P2= C2P2= C2P2= f2(I3 P2*
0
0+0+5 17
17+0+ 27
27+0+ 37 57 77 97 )
0 0 50 2
5=55 34= 51 23=50
1 3 0+3+7 17+3+ 27+3+ 37+3+ 63 3
6=79 55=75 34=64 23=63
2 6 0+6+9 17+6+ 27+6+ 37+6+ 57+6+ 77 3
7=103 76=99 55=88 34=77 23=86
3 9 0+9+1 17+9+ 27+9+ 37+9+ 57+9+ 77+9+ 100 4
18=12 97=12 76=11 55=10 34=10 23=10
4 12 0+12+ 17+12 27+12 37+12 57+12 77+12 97+12 123 5
139=1 + + + + + +
Etapa (i = 3)
D3 = 4; I4 = 0; 0 ≤ P3 ≤ 4
C 3 P3 + h3 I 4 + f 2 ( I 4 + D3 − P3 )
h3I P3= 0 P3 = 1 P3 = 2 P3 = 3 P3 = 4 Sol. opt.
I4
4 C3P3= C3P3= C3P3= C3P3= C3P3= f3(I4) P3*
0
0+123 16
16+10 26
26+77 36
36+63 56
56+50
0 0 99 3
= 123 0= 116 = 103 = 99 = 106
43
La solución óptima es:

Inv. Inv. Costo
Periodo Demanda Produc.
inic. final Preparac. Almac. Produc. Total
1 3 1 2 0 $3 $20 $23
2 2 0 3 1 $7 $3 $30 $40
3 4 1 3 0 $6 $30 $36
Total 9 8 $16 $3 $80 $99
Ejercicio 1.15
Encuentre la solución óptima para el siguiente modelo de inventario de 4 periodos.
Periodo Demanda Costo de Costo de

i Di Preparación Almacenamiento
unidades Ki hi
1 5 5 1
2 2 7 1
3 3 9 1
4 3 7 1
El costo de producción por unidad es de $1 por las 6 primeras unidades y de $2 por las
unidades adicionales.
⎧ Pi Pi ≤ 6
Ci (Pi) = ⎨
⎩6 + 2( Pi − 6) Pi ≥ 7
Etapa (i = 1)
D1 = 5; 0 ≤ I2 ≤ 2 + 3 + 3; 5 ≤ P1 ≤ 5 + 2 + 3 + 3
0 ≤ I2 ≤ 8 5 ≤ P1 ≤ 13
C1P1 + h1I2
h1I P1 = 5 6 7 8 9 10 11 12 13 Sol. opt.
I2 C1P1=
2 11 13 15 17 19 21 23 25 f1(I2) P1*
0 0 10
10 10 5
1 1 12 12 6
2 2 15 15 7
3 3 18 18 8
4 4 21 21 9
5 5 24 24 10
6 6 27 27 11
7 7 30 30 12
8 8 33 33 13
44
Etapa (i = 2)
D2 = 2; 0 ≤ I3 ≤ 3 + 3; 0 ≤ P2 ≤ 2 + 3 + 3
0 ≤ I3 ≤ 6 0 ≤ P2 ≤ 8
C 2 P2 + h2 I 3 + f1 ( I 3 + D2 − P2 )
P2 = 0 1 2 3 4 5 6 7 8 Sol. opt.
I3 h2I3
C2P2= 8 9 10 11 12 13 15 17 f2(I3) P2*
0 0 0
15 20 19 15 0
1 1 19 24 22 21 19 0
2 2 23 28 26 24 23 23 0,
3 3 27 32 30 28 26 25 25 5
4 4 31 36 34 32 30 28 27 27 6
5 5 35 40 38 36 34 32 30 29 29 7
6 6 39 44 42 40 38 36 34 32 31 31 8
Etapa (i = 3)
D3 = 3; 0 ≤ I4 ≤ 3; 0 ≤ P3 ≤ 3 + 3
0 ≤ P3 ≤ 6
C 3 P3 + h3 I 4 + f 2 ( I 4 + D3 − P3 )
h3I P3 = 0 P3 = 1 P3 = 2 P3 = 3 P3 = 4 P3 = 5 P3 = 6 Sol. opt.
I4
4 C3P3= C3P3= C3P3= C3P3= C3P3= C3P3=1 C3P3=1 f3(I4) P3*
0 0 0
25 10
33 11
30 12
27 13 4 5 25 0
1 1 28 36 35 32 29 28 0
2 2 31 39 38 37 34 31 31 0,5
3 3 34 42 41 40 39 36 33 33 6
Etapa (i = 4)
D4 = 3; I4 = 0; 0 ≤ P4 ≤ 3
C 4 P4 + h4 I 5 + f 3 ( I 5 + D4 − P4 )
P4= 0 P4 = 1 P4 = 2 P4 = 3 Sol. opt.
I5 h4I5
C4P4= C4P4= C4P4= C4P4= f4(I5) P4*
0 8 9 10
0 0 33 39 37 35 33 0

Inv. Inv. Costo
1 5 0 7 2 $5 $2 $8 $15
2 2 2 0 0
3 3 0 6 3 $9 $3 $6 $18
4 3 3 0 0
Total 13 13 $14 $5 $14 $33
45
Ejercicio 1.16
Resolver el siguiente modelo de inventario de 10 periodos. Suponiendo un inventario
inicial de 50 unidades
Periodo Demanda Costo de Costo de Costo de
i Di Preparación Almacenamiento producción por
unidades Ki hi unidad
1 150 100 1 6
2 100 100 1 6
3 20 100 2 4
4 40 200 1 4
5 70 200 2 6
6 90 200 3 8
7 130 300 1 4
8 180 300 4 4
9 140 300 2 2
10 50 300 1 6
Etapa (i = 1)
C1P1 + h1I2
h1I P1 = 200 220 260 330 420 550 730 870 920 Sol. opt.
I2 C1P1=7 130 142 166 208 262 340 448 532 562
2 f1(I2) P1*
0 0 00
700 0 0 0 0 0 0 0 0 0 700 10
10 10 140 1400 20
12 12 154 1540 22
16 16 182 1820 26
23 23 231 2310 33
32 32 294 2940 42
45 45 385 3850 55
63 63 511 5110 73
77 77 609 6090 87
82 82 644 6440 92
Etapa (i = 2)
C 2 P2 + h2 I 3 + f 1 ( I 3 + D2 − P2 )
h2I P2 = 0 100 120 160 230 320 450 630 770 820 Sol. opt.
I3 106 148 202 280 388 472 502
3 C2P2=0 700 820 f2(I3) P2*
0 0 1400 140 0 0 0 0 0 0 0 1400 10
20 20 1560 154 1540 12
60 60 1880 182 1820 16
13 13 2440 231 2310 23
22 22 3160 294 2940 32
35 35 4200 385 3850 45
53 53 5640 511 5110 63
67 67 6760 609 6090 77
72 72 7160 644 6440 82
46
Etapa (i = 3)
C 3 P3 + h3 I 4 + f 2 ( I 4 + D3 − P3 )
P3 = 0 20 60 130 220 350 530 670 720 Sol. opt.
I4 h3I4 C3P3= 150 222 278 298
180 340 620 980 f3(I4) P3*
0 0 0
1540 158 0 0 0 0 1540 0
40 80 1900 182 1820 60
11 220 2530 224 2240 13
20 400 3340 278 2780 22
33 660 4510 356 3560 35
51 102 6130 464 4640 53
65 130 7390 548 5480 67
70 140 7840 578 5780 72
Etapa (i = 4)
C 4 P4 + h4 I 5 + f 3 ( I 5 + D4 − P4 )
P4 = 0 40 110 200 330 510 650 700 Sol. opt.
I5 h4I5 C4P4= 100 152 224 280 300
360 640 f4(I5) P4*
0 0 0
1820 190 0 0 0 0 0 1820 0
70 70 2310 225 2250 11
160 160 2940 270 2700 20
290 290 3850 335 3350 33
470 470 5110 425 4250 51
610 610 6090 495 4950 65
660 660 6440 520 5200 70
Etapa (i = 5)
C 5 P5 + h5 I 6 + f 4 ( I 6 + D5 − P5 )
P5 = 0 70 160 290 470 610 660 Sol. opt.
I6 h5I6 C5P5= 116 194 302 386 416
620 f5(I6) P5*
0 0 0
2250 244 0 0 0 0 0 2250 0
90 180 2880 316 2880 0
22 440 3790 420 3790 0
40 800 5050 564 5050 0
54 108 6030 676 6030 0
59 118 6380 716 6380 0
Etapa (i = 6)
C 6 P6 + h6 I 7 + f 5 ( I 7 + D6 − P6 )
P6 = 0 90 220 400 540 590 Sol. opt.
I7 h6I7 C6P6= 196 340 452 492
920 f6(I7) P6*
0 0 0
2880 317 0 0 0 0 2880 0
13 390 4180 460 4180 0
31 930 5980 658 5980 0
45 135 7380 812 7380 0
50 150 7880 867 7880 0
47
Etapa (i = 7)
C 7 P7 + h7 I 8 + f 6 ( I 8 + D7 − P7 )
P7 = 0 130 310 450 500 Sol. opt.
I8 h7I8 C7P7= 154 210 230
820 f7(I8) P7*
0 0 0
4180 370 0 0 0 3700 13
18 180 6160 460 4600 31
32 320 7700 530 5300 45
37 370 8250 555 5550 50
Etapa (i = 8)
C 8 P8 + h8 I 9 + f 7 ( I 9 + D8 − P8 )
P8 = 0 180 320 370 Sol. opt.
I9 h8I9C8P8= 102 158 178 f8(I9) P8*
0 0
0 4600 0
472 0 0 4600 0
14 560 5860 584 5840 32
19 760 6310 624 6240 37
Etapa (i = 9)
C 9 P9 + h9 I 10 + f 8 ( I 10 + D9 − P9 )
h9I1 P9 = 0 140 190 Sol. opt.
I10
0 C9P9= 580 680 f9(I10) P9*
0 0
0 5840 518 5180 14
50 100 6340 538 5380 19
Etapa (i = 10)
C10 P10 + h10 I 11 + f 9 ( I 11 + D10 − P10 )
P10 = 0 50 Sol. opt.
I11 h10I11 C10P10 600 f10(I11) P10*
0 0 0
5380 578 5380 0
Inv. Inv. Costo
1 150 50 100 0 100 0 600 700
2 100 0 120 20 100 20 720 840
3 20 20 0 0 0 0 0 0
4 40 0 200 160 200 160 800 1160
5 70 160 0 90 0 180 0 180
6 90 90 0 0 0 0 0 0
7 130 0 310 180 300 180 1240 1720
8 180 180 0 0 0 0 0 0
9 140 0 190 50 300 100 380 780
10 50 50 0 0 0 0 0 0
Total 970 920 1000 640 3740 5380
48
1.4 Programación dinámica probabilística.
Ejercicio 1.17
Se van a distribuir entre tres tiendas ocho barricas de naranjas. La demanda de

naranjas en cada tienda es aleatoria, de acuerdo con las distribuciones probabilísticas
mostradas en la tabla siguiente. El beneficio por barrica vendida en las tiendas 1, 2 y 3
es de $18, $20 y $21, respectivamente.
Probabilidades de demanda
Barricas Tienda Tienda Tienda
1 2 3
0 0.1 0 0.1
1 0.2 0.2 0.3
2 0.3 0.6 0.2
3 0.2 0 0.2
4 0.1 0.2 0
5 0.1 0 0.2
Determínese el número de barricas que deberán asignarse a cada tienda para

maximizar el beneficio total esperado.
Sea:
gj(x) = beneficio esperado al asignar x barricas a la tienda j.

fj(s) = beneficio total máximo esperado iniciando en la etapa j en el estado s.
dj(s) = decisión tomada en la etapa j que logran fj(s).
Calculo del beneficio esperado.

Para la tienda 1:
f1(0) = 0 * 0.1 = 0
f1(1) = 0 * 0.1 + 18 * 0.9 = 16.2
f1(2) = 0 * 0.1 + 18 * 0.2 + 36 * 0.7 = 28.8
f1(3) = 0 * 0.1 + 18 * 0.2 + 36 * 0.3 + 54 * 0.4 = 36
f1(4) = 0 * 0.1 + 18 * 0.2 + 36 * 0.3 + 54 * 0.2 + 72 * 0.2 = 39.6
f1(5) = 0 * 0.1 + 18 * 0.2 + 36 * 0.3 + 54 * 0.2 + 72 * 0.1 + 90 * 0.1 = 41.4
Para la tienda 2:
f2(0) = 0
f2(1) = 0 + 20 * 1 = 20
f2(2) = 0 + 20 * 0.2 + 40 * 0.8 = 36
f2(3) = 0 + 20 * 0.2 + 40 * 0.6 + 60 * 0.2 = 40
f2(4) = 0 + 20 * 0.2 + 40 * 0.6 + 60 * 0 + 80 * 0.2 = 44
f2(5) = 0 + 20 * 0.2 + 40 * 0.6 + 60 * 0 + 80 * 0.2 + 100 * 0 = 44
49
Para la tienda 3:
f3(0) = 0 * 0.1 = 0
f3(1) = 0 * 0.1 + 21 * 0.9 = 18.9
f3(2) = 0 * 0.1 + 21 * 0.3 + 42 * 0.6 = 31.5
f3(3) = 0 * 0.1 + 21 * 0.3 + 42 * 0.2 + 63 * 0.4 = 39.9
f3(4) = 0 * 0.1 + 21 * 0.3 + 42 * 0.2 + 63 * 0.2 + 84 * 0.2 = 44.1
f3(5) = 0 * 0.1 + 21 * 0.3 + 42 * 0.2 + 63 * 0.2 + 84 * 0 + 105 * 0.2 = 48.3
Para facilidad de cálculo los datos se presentan en la siguiente tabla.
x 0 1 2 3 4 5
g(x)
g1(x) 0 16.2 28.8 36 39.6 41.4
g2(x) 0 20 36 40 44 44
g3(x) 0 18.9 31.5 39.9 44.1 48.3
Etapa j = 3
0 ≤ x ≤ s
s
0 1 2 3 4 5
f3(s) 0 18.9 31.5 39.9 44.1 48.3
d3(s) 0 1 2 3 4 5
Etapa j = 2
f2(s) = Máximo {g2(x) + f3(s - x)}
0 ≤ x ≤ s
x 0 1 2 3 4 5 max d 2*
s
8 88.3 88.1 83.9 88.3 3
7 84.3 84.1 83.9 75.5 84.3 2
6 68.3 80.1 79.9 75.5 62.9 80.1 2
5 48.3 64.1 75.9 71.5 62.9 44 75.9 2
4 44.1 59.9 67.5 58.9 44 67.5 2
3 39.9 51.5 54.9 40 54.9 2
2 31.5 38.9 36 38.9 1
1 18.9 20 20 1
0 0 0 0
50
Etapa j = 1
f1(8) = Máximo {g1(x) + f2(8 - x)}

0 ≤ x ≤ 5
x 0 1 2 3 4 5 max d 1*
s
8 88.3 100.5 108.9 111.9 107.1 96.3 111.9 3
s
0 1 2 3 4 5 6 7 8
f3(s) 0 18.9 31.5 39.9 44.1 48.3
d3(s) 0 1 2 3 4 5
f2(s) 0 20 38.9 54.9 67.5 75.9 80.1 84.3 88.3
d2(s) 0 1 1 2 2 2 2 2 3
f1(s) 111.9
d1(s) 3
Solución óptima:
X 1* = d1* (b) = d1* (8) = 3

X 2* = d 2* (b − X 1* ) = d 2* (5) = 2
X 3* = d 3* (b − X 1* − X 2* ) = d 3* (3) = 3
Tienda Número de Beneficio

barricas esperado
1 3 36
2 2 36
3 3 39.9
Suma: 111.9
1.5 Problema de dimensionalidad en P.D.
En todos los modelos de programación dinámica que se presentaron, el estado en

cualquier etapa se representa por una sola variable. Por ejemplo, en el modelo de la
mochila el problema especifica el peso del artículo, como única restricción. En un caso
más realista, el volumen de la mochila también puede ser otra restricción viable. En ese
51
caso, se dice que el estado en cualquier etapa es bidimensional, porque consiste en

dos variables: peso y volumen.
El aumento en la cantidad de variables de estado aumenta los cálculos en cada etapa.

Esto es especialmente evidente en los modelos de programación dinámica con cálculos
tabulares, en los que la cantidad de renglones de cada cuadro corresponde a todas las
combinaciones posibles de variables de estado. Esta dificultad computacional es tan
evidente en la programación dinámica, que en las publicaciones se le llama maldición
de la dimensionalidad.
Problemas propuestos de de la Unidad I.
1. Hallar el camino más corto del nodo 1 al nodo 10, para la red siguiente:
4 5 3
2
6 8
9 8 5
5 5
8
9 3 3 6 10
1
9 5
8
6
9
9 5 8
4 4
4 7
Ruta más corta: 1 → 2 → 5 → 8 → 10, con una distancia asociada de 17 unidades
2. Hallar el camino más corto del nodo 1 al nodo 15, para red siguiente:
2
2 6 6
3
4
4
7 5 10
3
6 3 6
3 5 7 10 13 8
8 3 2 2
6
8
11 15
1 4 8
7 10 2
9 1 7
2
4 8 7 14
9 4
5
12
3 4
4 5
2
6 3
5 9 52
Ruta más corta: 1 → 4 → 8 → 11 → 13 → 15, con una distancia asociada de 17

unidades
3. La Monsot Manufacturing Corporation tiene nueve vendedores que trabajan

actualmente 3 áreas distintas de ventas. La ganancia de cada vendedor en las 3 áreas
de ventas es la siguiente:
Vendedores (x)
0 1 2 3 4 5 6 7 8 9
g1(x) 20 32 47 57 66 71 82 90 100 110
Utilid
g2(x) 40 50 60 71 82 93 104 115 125 135

g3(x) 50 61 72 84 97 109 120 131 140 150
Determine la asignación óptima de los vendedores a fin de aumentar al máximo las

utilidades.
Solución óptima:
Área Número de Utilidad

de vendedores
ventas
1 2 47
2 0 40
3 7 131
Suma: 218
4. Un alumno debe seleccionar en total 10 cursos opcionales de cuatro departamentos

distintos y al menos un curso de cada departamento. Los 10 cursos se asignan a los
cuatro departamentos en una forma que maximiza el conocimiento. El alumno mide el
conocimiento en una escala de 100 puntos y llega a la tabla siguiente.
Número de cursos
Depto.
1 2 3 4 5 6 ≥7
I 25 50 60 80 100 100 100
II 20 70 90 100 100 100 100
III 40 60 80 100 100 100 100
IV 10 20 30 40 50 60 70
¿Cómo debe seleccionar los cursos el alumno?

Solución óptima:
Depto. Número de Calificación

cursos
I 2 50
II 3 90
III 4 100
IV 1 10
Suma: 250
53
5. El consejo mundial de la salud se dedica a mejorar la atención médica en los países

en desarrollo. Ahora dispone de 5 brigadas médicas para asignarlas a 3 de ellos con el
fin de mejorar el cuidado de la salud. El consejo debe determinar cuántas brigadas
asignar a cada uno de estos países para maximizar la medida de eficiencia de las 5
brigadas.
Brigadas País
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
Solución óptima:
País Brigadas Medida

médicas de
eficiencia
1 1 45
2 3 75
3 1 50
Suma: 170
6. Resolver el siguiente problema de programación no lineal, mediante programación

dinámica
Max Z = 5 X 12 + 5 X 23 + 3 X 3
S. a 3 X 1 + 4 X 2 + X 3 ≤ 11
Solución óptima: Z = 51, X1 = 3, X2 = 0 y X3 = 2

7. Resolver el siguiente problema de programación lineal, mediante programación
dinámica
Max Z = 12 X 1 + 15 X 2 + 8 X 3 + 5 X 4 + 11X 5
S. a 2X1 + 5X 2 + 4X 3 + X 4 + 6X 5 ≤ 9
Solución óptima: Z = 53, X1 = 4, X2 = 0, X3 = 0, X4 = 1, X5 = 0
8. Suponga que un equipo nuevo cuesta $1000 y que el costo anual de mantenimiento
y el valor de rescate del equipo son como los que se presentan en la siguiente tabla. Si
se tiene un equipo nuevo ahora, determinar una estrategia de reemplazo que minimice
el costo de poseer y operar el equipo durante los 6 años siguientes.
54
Edad del Valor de Gastos de

equipo (años) rescate mantenimiento
1 500 50
2 450 125
3 400 150
4 350 250
5 300 325
Solución óptima:
Inicio de Edad del Decisión Costo

año equipo
1 0 Comprar 1050
2 1 Conservar 125
3 2 Conservar 150
4 3 Reemplazar 650
5 1 Conservar 125
6 2 Conservar 150
7 3 Vender -400
Costo total 1850
9. Resolver el siguiente modelo de inventario de 5 periodos. Suponiendo un inventario


1 50 98 2 3
2 25 114 3 4
3 85 185 3 5
4 60 75 2 5
5 30 120 3 6

Inv. Inv. Costo
1 50 10 65 25 98 50 195 343
2 25 25 0 0 0 0 0 0
3 85 0 85 0 185 425 610
4 60 0 90 30 75 60 450 585
5 30 30 0 0 0 0 0 0
Total 250 240 358 110 1070 1538
55
10. Resolver el siguiente modelo de inventario de 5 periodos. Suponiendo un inventario


1 100 200 2 3
2 125 175 3 4
3 150 185 3 5
4 110 250 2 5
5 60 130 3 6

Inv. Inv. Costo
1 100 15 210 125 200 250 630 1080
2 125 125 0 0 0 0 0 0
3 150 0 150 0 185 0 750 935
4 110 0 170 60 250 120 850 1220
5 60 60 0 0 0 0 0 0
Total 545 530 635 370 2230 3235
56

Unidad 1 Programacion Dinamica

Cargado por

Información del documento

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

Unidad 1 Programacion Dinamica

Cargado por

Copyright:

Formatos disponibles

INSTITUTO TECNOLÓGICO TUXTLA GUTIÉRREZ - EDUCACIÓN A DISTANCIA

1.1 Características de los problemas de programación dinámica: etapas, estados,

La programación dinámica encuentra la solución óptima de un problema con n

Un proceso de decisión de n etapas es el que puede separarse en cierto número de

Muchos procesos de decisión de n etapas tienen rendimientos (costos o beneficios)

Los cálculos de programación dinámica se realizan en forma recursiva, ya que la

Existen dos formas de plantear la fórmula de recursividad en los problemas de

1. Recursividad de Retroceso: el problema se resuelve partiendo de la última etapa

1.2 Algunos ejemplos de modelos de P.D.

En estos apuntes se tratarán los problemas que se resuelven con programación

1.3 Programación dinámica determinística.

En este punto se profundiza en el enfoque de programación dinámica para los

Figura 1.1 Estructura básica para programación dinámica determinística

1.3.1 Problemas de la ruta más corta.

Figura 1.2 Red del ejercicio 1.1

Etapa 1 Etapa 2 Etapa 3 Etapa 4

La ecuación recursiva hacia atrás se da como:

En la etapa t = 4, el nodo 10 está conectado con los nodos 8 y 9 ( i = 8, i = 9)

dij + f3( j ) Solución óptima

dij + f2( j ) Solución óptima

Figura 1.3 Red del ejercicio 1.2

dij + f4( j ) Solución optima

dij + f3( j ) Solución optima

dij + f2( j ) Solución optima

Ruta más corta: 1 → 5 → 8 → 13 → 14, con una distancia asociada de 10 unidades

El ejercicio 1.3 se resolverá mediante la recursividad de avance. La ecuación recursiva

Figura 1.4 Red del ejercicio 1.3

Etapa 1 Etapa 2 Etapa 3 Etapa 4 Etapa 5

dij + f1( i ) Solución óptima

dij + f3( i ) Solución optima

Ruta más corta: 1 → 2 → 7 → 11 → 14 → 15, con una distancia asociada de 14

1.3.2 Problemas de asignación de recursos.

El proceso consiste en determinar cuánto se debe asignar en cada posibilidad u

Se puede representar como un programa matemático.

Optimícese: Z = g1(X1) + g2(X2) + . . .+ gn(Xn)

Con todas las variables enteras y no negativas

Principio de optimalidad. Una política óptima tiene la propiedad de que,

s = variable de estado, cuyos valores especifican los estados.

Tabla 1.1 Tabla de rendimientos óptimos y decisiones.

Las anotaciones correspondientes a la última etapa de los procesos, fn(s) y dn(s),

La fórmula para la etapa n está dada por:

fn(s) = óptimo {gn(x)}

fj(s) = óptimo {gj(x) + fj+1(s - x)}

La solución óptima es Z* = f1(b), el rendimiento óptimo obtenido al completar los

Para facilidad de cálculo los datos se presentan en la siguiente tabla y en miles de

Solución: Se resumen los ingresos en la tabla siguiente tabla:

Es un problema de n = 3 etapas y la cantidad a invertir es b = 4.

Estos resultados dan los primeros dos renglones de la tabla 1.2.

Tabla 1.2 Tabla de rendimientos y decisiones del ejercicio 1.4

f2(s) = Máximo {g2(x) + f3(s - x)}

Existe un sólo estado asociado con esta etapa 1, s = 4.

f1(4) = Máximo {g1(x) + f2(4 - x)}

Alternativa Unidades a Rendimiento

Para facilidad de cálculo los datos se presentan en la siguiente tabla y en miles de

Es un problema de n = 3 etapas y la cantidad a invertir es b = 6.

f3(6) = max{ 0, 9, 16, 23, 30, 37, 44 } = 44 con d3(6) = 6

Estos resultados dan los primeros dos renglones de la tabla 1.3.

Tabla 1.3 Tabla de rendimientos y decisiones del ejercicio 1.5

f2(s) = Máximo {g2(x) + f3(s - x)}

f1(6) = Máximo {g1(x) + f2(6 - x)}

Determinación de la asignación óptima de recursos.

X 1* = d1* (b) = d1* (6) = 1

Alternativa Unidades a Utilidad

Una empresa tiene disponible $10000 para invertir en 4 alternativas de inversión y