Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Investigación de Operaciones
vestigación de Operaciones II, de los programas de Ingeniería
Industrial e Ingeniería de Sistemas de la Universidad de Ibagué.
Investigación
Dn Dc
significativamente a la sociedad, tal como ha ocurrido en otros
pueblos que lo han hecho.
deOperaciones
Volumen II
Segunda Edición
Investigación de Operaciones
Volumen II
Segunda Edición
Ibagué, Colombia
2012
ISBN 978-958-
Facultad de Ingeniería
Universidad de Ibagué
Ibagué, Colombia
Agosto de 2012
Dirección editorial
Oficina de Publicaciones
publicaciones@unibague.edu.co
Universidad de Ibagué
Calle 67, carrera 22. A.A. 487
Teléfono: +57 8 2709400
Ibagué-Tolima, Colombia.
www.unibague.edu.co
Esta obra no puede reproducirse sin la autorización expresa y por escrito de la Universidad de Ibagué.
El hombre solo es grande cuando esta de rodillas
Albert Einstein
Richard Bellman
1920
Etapa 1 Etapa 2 Etapa 3 Etapa 4
0 < I4 < 4 0 < I3 < 3 0 < I2 < 2 0 < I1 < 4
Introducción
La programación dinámica es una técnica para resolver cierto tipo de problemas, en los
que es necesario descomponer la decisión en una serie de etapas, aplicando el principio
de optimalidad propuesto por Richard Bellman.
7 1
2 5
4
2 6 4 8 3
3 6
4
1 3 2 6 10
4 3
3 9 4
4 3
1
4 7 3
5
El agente viajero desea conocer cuál es la ruta que tiene el menor riesgo de ser
asaltado.
Consideraciones preliminares
El lector puede considerar las siguientes alternativas de metodología de solución:
• Resolverlo empleando la programación lineal entera binaria.
• Resolverlo empleando el algoritmo de la ruta más corta que se ilustrará en el
capítulo de redes del presente libro.
• Empleando la heurística de evaluar para todas las rutas posibles, el valor total de
la prima del seguro y escoger aquella que le ofrezca el valor mínimo.
Aquí el ejemplo es valioso, no por su complejidad, sino, por su carácter pedagógico,
que permite ilustrar claramente el procedimiento que emplea la programación dinámica.
2 7 5 1
4
2 6 8
4 3
3 6
4
1 3 2 6 10
4 3
3 3 9 4
4
1
4 7 3
5
X4 X3 X2 X1
e4 e3 e2 e1
x1 f1(e1,x1) = C(e1,x1)
f1*(e1) X1* Interpretación
e1 X1 = 10
Si está en la ciudad 8, la mejor decisión es ir a la ciudad 10
8 3 3 10 con un valor mínimo de la prima de la póliza de seguro de 3
Aquí se obtiene el valor mínimo de la prima de la póliza de seguro que son 11 uni-
dades monetarias y se procede a identificar cuáles son las rutas que ofrecen este costo
mínimo que equivale a las rutas más seguras y de menor riesgo de asalto.
El tablero de la etapa 4 nos indica que estando en la ciudad 1, la mejor decisión es
ir a la ciudad 3 ó 4. Si decidimos ir a la ciudad 3, el tablero de la etapa 3 nos indica que
lo mejor es ir a la ciudad 5, y estando en la ciudad 5,, el tablero de la etapa 2 nos indica
que lo mejor, es ir a la ciudad 8 y por último, estando en la ciudad 8, el tablero de la
etapa 1 nos indica que lo mejor es ir a la ciudad 10.
Igualmente se hace la misma reflexión si se decide ir de la ciudad 1 a la ciudad 4.
Esquemáticamente se obtienen las siguientes rutas a costo mínimo:
5 1 Ruta: 1-3-5-8-10
3 Ruta: 1-4-5-8-10
8 3 Ruta: 1-4-6-9-10
1 4 3 6 10
4 Todas con un costo
3 9 4 mínimo de 11 uni-
3 1 dades monetarias
4
X4 X3 X2 X1
e4 e3 e2 e1
* NF = No factible
Si se tienen disponibles 2 toneladas en la bodega del buque, no podemos cargar 2 unidades del artículo 1,
dado que pesan 4 ton.
** Fíjese que no es necesario calcular los datos de las celdas en donde se carga menos de lo máximo posible;
ello, implicaría que el buque partiría con capacidad sobrante en toneladas, luego no se está maximizando el
valor de la carga en el buque; además, y como es de esperarse los valores son menores a los de las celdas en
donde se carga toda la capacidad en toneladas disponibles.
Las anteriores características permiten presentar un mejor tablero para la presente etapa:
e1 0 1 2 3 4 5 6 7 8 9 10
f*1(e1) 0 0 4 4 8 8 12 12 16 16 20
X*1 0 0 1 1 2 2 3 3 4 4 5
Fíjese que las filas sombreadas pueden ser eliminadas, ya que dichas situaciones
nunca se presentarán; un ejemplo de ello, es contemplar la posibilidad de llegar con 3
toneladas disponibles a la etapa 2. Para que esto ocurra, es necesario haber cargado 7
toneladas, resultado imposible de lograr en atención a que los artículos 4 y 3, que se
supone debieron cargarse previamente, pesan respectivamente 5 y 4 toneladas cada
uno y no existe una combinación a cargar de estos dos productos, que arroje un cargue
total de 7 toneladas.
NF = No Factible.
Aquí, el tablero se presenta depurado, por que no es posible llegar con una dispo-
nibilidad en toneladas de: 1, 2, 3, 4, 6, 7, 8 ó 9, debido a que el artículo 4 que ya debió
haberse cargado, tiene un peso unitario de 5 ton.
Etapa 4: Artículo 4 , v4 = $9/und. , p4 = 5 ton./und.
Cantidad máxima a cargar: 10/5 = 2 Unidades.
Fíjese que aquí se dispone de la totalidad del recurso (10 Ton.) ya que no se ha car-
gado ningún artículo con anterioridad y por lo tanto, es el primero que se va a cargar.
Luego el problema tiene las siguientes cinco (5) soluciones óptimas:
Número Materiales
de horas A B C
0 1 2 1
4 2 3 3 ¿Cuál debe ser la política del alumno?
8 4 4 4
12 4 5 4
Observe que el alumno debe tomar tres decisiones: Cuántas horas estudiar la materia
A, Cuántas horas estudiar la materia B y cuántas horas estudiar la materia C.
Fíjese que si maximizamos la sumatoria de las tres notas, estamos maximizando el
promedio, en atención a que el número de materias es constante (3) y el promedio lo
constituye el cálculo de la sumatoria de las tres notas dividido entre el número total de
notas (3). Entre más grande sea el numerador, el promedio sera mayor.
Las etapas son las tres (3) materias.
Los estados (en) son las horas disponibles para estudiar cuando faltan n decisiones
por tomar. El recurso son las horas que se van a distribuir.
Las variables (Xn) son las horas que se decide estudiar cuando faltan n decisiones
por tomar.
Luego podemos definir la Función Recursiva como:
fn(en,Xn) = Nen,xn + f*n-1(en - Xn) y se lee así: La nota es función de las horas disponibles
y de las horas que decida estudiar una materia e igual a la nota que obtenga cuando
tengo en número de horas disponibles y decido estudiar Xn horas, más la mejor nota
que puedo lograr en la siguiente decisión, con las horas que quedaron disponibles.
Fíjese que para este problema, las decisiones se pueden organizar en cualquier
orden. Para un manejo adecuado de subíndices las etapas se organizan así:
etapa 1: Materia C
X1 f1(e1,x1) = Ne1,x1
e1 f*1(e1) X*1
X1 = 0 X1 = 4 X1 = 8 X1 = 12
0 1 NF NF NF 1 0
4 1 3 NF NF 3 4
8 1 3 4 NF 4 8
12 1 3 4 4 4 8, 12
Fíjese que f*0(e1 - x1) para esta etapa es cero, ya que es la última materaia y no hay
una después de ella. Fíjese que si se dispone de cero horas para estudiar, no se pueden
asignar ni cuatro, ni ocho, ni doce horas; estas opciones son no factibles (nf). Como
el criterio es de optimización, se escoge como mejor nota acumulada para cada fila, la
mayor y el valor de la X*1 corresponde a las horas que producen la mejor nota.
etapa 2: Materia B
ETAPA 3: Materia A
Solución
X*3=8, Estudiar la materia A 8 horas, para obtener una nota de 4. Ahora, le quedan
(12 - 8 = 4) 4 horas disponibles para la siguiente decisión.
X*2=0, Estudiar la materia B 0 horas, para obtener una nota de 2. Ahora le quedan
(4 - 0 = 4) 4 horas disponibles, para la siguiente decisión.
X*1=4, Estudiar la materia C 4 horas, para obtener una nota de 3.
Luego, la suma Máxima de las notas es 9 y el promedio Máximo es 9/3 = 3
X3 X2 X1
Función recursiva:
e1 X 1* f 1* (e1)
0 ---- 0
1 ---- 0
2 ---- 0
3 2 ó más 2/3
4 1 ó más 2/3
≥5 0 1
Análisis
• Si llega con 5 fichas o más a la última jugada, la probabilidad de ganar la apuesta es
1 (ya ganó) y lo mejor que puede hacer es no apostar ninguna ficha (no arriesgar).
• Si llega con 4 fichas, ganar la apuesta depende de ganar la jugada apostando 1 ó
más fichas y la probabilidad de ganar la apuesta es la misma de ganar la jugada, 2/3.
• Si llega con 3 fichas, ganar la apuesta depende de ganar la jugada apostando 2 ó
más fichas y la probabilidad de ganar la apuesta es la misma de ganar la jugada, 2/3.
• Si llega con 2 ó menos fichas, ya perdió, luego la probabilidad de ganar la apuesta
es cero.
2/3(0)+1/3(0) 2/3(0)+1/3(0)
1 0 0
NF NF NF 0 0, 1
0
2/3(2/3)+1/3(2/3) 2/3(2/3)+1/3(0) 2/3(1)+1/3(0) 2/3(1)+1/3(0)
3 2/3 4/9 2/3 2/3
NF 2/3 2
3
2/3(2/3)+1/3(2/3) 2/3(1)+1/3(2/3) 2/3(1)+1/3(0) 2/3(1)+1/3(0) 2/3(1)+1/3(0)
4 2/3 8/9 2/3 2/3 2/3
8/9 1
2/3(1)+1/3(1)
≥5 1
NR NR NR NR 1 0
Análisis
• Si llega con 5 fichas o más a la segunda jugada, la probabilidad de ganar la apuesta
es 1, y no es razonable (NR) que apueste alguna ficha ya que tiene asegurada la
victoria.
• Si llega con 4 fichas y decide no apostar, la probabilidad de ganar la apuesta se
traslada a la última jugada, llegando con 4 fichas y dependerá de si gana la última
jugada, dicho de otra forma, tendrá una probabilidad de 2/3 de ganar la apuesta.
• Fíjese que no son factibles aquellas casillas en que la cantidad de fichas para apostar
sean superiores a las fichas disponibles. No se puede apostar lo que no se tiene.
Fíjese que el anterior árbol le indica al jugador, cuál es la mejor decisión en cualquier
momento del juego.
Equipos
A B C
Número de 0 0,40 0,60 0,80
científicos 1 0,20 0,40 0,50
adicionales 2 0,15 0,20 0,30
X3 X2 X1
Función recursiva: fn(en,xn) = Pen,xn * f*n-1(en - xn) , la cual se lee: La probabilidad de que
los equipos fracasen, depende de la cantidad de científicos disponibles y de la cantidad
que se decida asignar cuando falten n equipos por visitar y es igual, a la probabilidad
de fracaso del equipo de la etapa n-ésima al que se decide asignar Xn científicos cuando
tenemos en científicos, multiplicada por la mejor probabilidad que se pueda conseguir
en las decisiones posteriores con los científicos que quedaron (en - xn).
ETAPA 1: Equipo C
e1 X1* f1* (e1) Lo mejor que se puede hacer en la última decisión,
0 0 0,8 es asignar todos los científicos disponibles, de lo
1 1 0,5 contrario no estariamos minimizando la probabilidad
2 2 0,3 de fracaso.
ETAPA 2: Equipo B
X3 f2(e2,x2) = Pe2,x2 * f*1(e2 - x2)
f2*(e2) X2*
e3 X2 = 0 X2 = 1 X2 = 2
0 (0,6)(0,8)=0,48 NF NF 0,48 0
1 (0,6)(0,5)=0,30 (0,4)(0,8)=0,32 NF 0,30 0
2 (0,6)(0,3)=0,18 (0,4)(0,5)=0,20 (0,2)(0,8)=0,16 0,16 2
ETAPA 3: Equipo A
X4 f3(e3,x3) = Pe3,x3 * f*2(e3 - x3)
f3*(e3) X3*
e4 X3 = 0 X3 = 1 X3 = 2
2 (0,4)(0,16)=0,064 (0,2)(0,3)=0,06 (0,15)(0,48)=0,072 0,06 1
Solución
Equipo Equipo Equipo
A B C
Científicos por asignar 1 0 1
Probabilidad 0,2 0,6 0,5 = 0,06
Solución
Construir la siguiente gráfica nos ayudará a comprender, tanto el problema como su
solución.
Análisis
• Ordenamos las etapas de derecha a izquierda, empezando por aquella que tiene
el mayor requerimiento, o sea, el máximo global del problema.
• Fíjese que a la primavera se llegará con un número de empleados disponibles
mayores o iguales a 200 empleados, que son los mínimos requeridos en el invierno.
• Observe que la disponibilidad de una etapa en es igual al número de empleados
xn que se decidió contratar en la etapa que la precede.
• Por supuesto, ninguna disponibilidad, requerimiento y posibles empleados puede
superar el tope global del problema de 255 empleados.
rn = Número de empleados requeridos en la etapa n-ésima, n = 1,2,3,4
en = Número de empleados disponibles, cuando faltan n decisiones por tomar.
xn = Número de empleados a tener, cuando faltan n decisiones por tomar.
xn - rn = Número de empleados contratados por encima del nivel requerido.
xn - xn+1=xn - en = Cambio del nivel de empleo. Se despidieron o se contrataron
etapa 1: Primavera: r1 = 255 ; 200 < e1 < 255, además, x*1= 255 empleados
Función recursiva: f1(e1,x1) = 200(x1 - e1)2 + 2.000(x1 - 255)
Ya sabemos que lo mejor para la primavera es x*1 = 255 empleados, luego la ecuación
de costos se simplifica a:
f1(e1,x1) = 200(255 - e1)2 + 2.000(255 - 255) = f1(e1,x1) = 200(255-e1)2
Resumen de la primera etapa: Primavera
e1 f1*(e1) X1*
200 ≤ e1 ≤ 255 200(255 - e1)2 255
etapa 2: Invierno: r2 = 200 ; 240 < e2 < 255 ; 200 < X2 < 255
Función recursiva: f2(e2,x2) = 200(x2 - e2)2 + 2.000(x2 - 200) + f*1(e1)
f2(e2,x2) = 200(x2 - e2)2 + 2000(x2 - 200) + 200(255 - e1)2 =>
f2(e2,x2) = 200(x2 - e2)2 + 2000(x2 - 200) + 200(255 - x2)2 dado que x2 = e1
Para averiguar el valor de x2 que optimiza esta función de costos, derivamos par-
cialmente respecto de x2, igualamos a cero y despejamos x2; si la segunda derivada es
positiva, el valor de x2 encontrado, minimiza la ecuación de costos.
f’2 = 400(x2 - e2) + 2.000 - 400(255 - x2) = 0 f’’2 = 400 + 400 => 800 > 0
luego se trata de un mínimo
400x2 - 400e2 + 2000 - 102.000 + 400x2 = 0
2x2 - e2 - 250 = 0 => x*2 = (250 + e2)/2
Recordemos que x2 debe ser mayor o igual a 200, entonces, el asunto aquí es averi-
guar cuáles son los valores para e2 que generan valores para x2 mayores o iguales a 200.
Para ello, asumimos el valor mínimo de x2 = 200 y despejamos el valor de e2
(250 + e2)/2 = 200 => e2 = 150 , este tope nos lleva diseñar la siguiente regla de decisión:
Como los valores de e2 están en el rango comprendido entre: 240 < e2 < 255, es
trivial saber que nunca se llega al invierno con un número de trabajadores menores
de 240 (por encima de 150). Entonces, siempre emplearemos la fórmula de X2* = (250 +
e2)/2 para determinar el número de personas a contratar. En caso de presentarse ambas
opciones, debemos calcular los costos mínimos para ambos rangos.
Cuando e2 > 150, entonces X2* = (250 + e2)/2 y el costo acumulado para primavera
e invierno es:
f2*(e2,x2) = 200((250+e2)/2-e2)2 + 2.000((250+e2)/2-200) + 200(255-(250+e2)/2)2
Simplificando cada término por separado, obtenemos:
((250 + e2)/2 - e2)2 = ((e2 + 250 - 2e2)/2)2 = ((250 - e2)/2)2 = 1/4(250 - e2)2
(250 + e2)/2 - 200 = (250 + e2 - 400)/2 = 1/2(e2 - 150)
(255 - (250 + e2)/2)2 = ((510 - e2 - 250)/2)2 = 1/4(260 - e2)2
f2*(e2,x2) = 50(250 - e2)2 + 1.000(e2 - 150) + 50(260 - e2)2
ETAPA 3: Otoño: r3 = 240 ; 220 < e3 < 255 ; 240 < X3 < 255
Función recursiva
f3(e3,x3)=200(x3-e3)2+2.000(x3-240)+50(250-e2)2+1.000(e2-150)+50(260-e2)2
Pero e2 = x3 , entonces
f3(e3,x3)=200(x3-e3)2+2.000(x3-240)+50(250-x3)2+1.000(x3-150)+50(260-x3)2
Derivando respecto a x3 e igualando a cero, entonces:
f’3(e3,x3) = 400(x3-e3) + 2.000 - 100(250-x3) + 1.000 - 100(260-x3) = 0
4x3 - 4e3 + 20 - 250 + x3 + 10 - 260 + x3 = 0 f’’3 = 400 + 100 + 100
6x3 - 4e3 - 480 = 0 f’’3 = 600
f’’3 > 0
x*3 = (2e3 + 240)/3 Luego se trata de un mínimo
Debemos asegurarnos que x3 > 240, luego: 240 = (2e3 + 240)/3 y e3 = 240
Si e3 < 240, entonces x*3 = 240
Si e3 > 240 entonces x*3 = (2e3 + 240)/3
Aquí, hay que considerar ambas opciones ya que e3 puede estar entre 220 y 255, luego, pri-
mero, consideraremos para valores entre 220 y 240 y después, para valores entre 240 y 255.
Para e3 < 240, entonces x3* = 240
f3*(e3,x3) = 200(240-e3)2 + 2.000(240-240) + 50(250-240)2 + 1.000(240-150) + 50(260-240)2
f3*(e3,x3) = 200(240-e3)2 + 5.000 + 9.000 + 20.000
f3*(e3,x3) = 200(240-e3)2 + 11.5000
Para e3 > 240 entonces x*3 = (2e3 + 240)/3
f3*(e3,x3) = 200[(2e3+240)/3-e3]2 + 2.000[(2e3+240)/3-240] +
50[250-(2e3+240)/3]2 + 1.000[(2e3+240)/3-150] +
50[260-(2e3+240)/3]2
Simplificando cada término, se obtiene:
[(2e3+240)/3-e3]2 = [(2e3+240-3e3)/3]2 = 1/9(240-e3)2
[(2e3+240)/3-240] = (2e3+240-720)/3 = (2e3-480)/3 = 2/3(e3-240)
[250-(2e3+240)/3]2= [(750-2e3-240)/3]2 = [(510-2e3)/3]2 = 4/9(255-e3)2
[(2e3+240)/3-150] = (2e3+240-450)/3 = (2e3-210)/3 = 2/3(e3-105)
[260-(2e3+240)/3]2 = [(780-2e3-240)/3]2 = [(540-2e3)/3]2 = 4/9(270-e3)2
Remplazando
f3*(e3,x3) = 200/9(240-e3)2 + 4.000/3(e3-240) + 200/9(255-e3)2 + 2.000/3(e3-105) +
200/9(270-e3)2
f3*(e3,x3) = 200/9[(240-e3)2+(255-e3)2+(270-e3)2]+2.000[2/3(e3-240)+1/3(e3-105)]
f3*(e3,x3) = 200/9[(240-e3)2+(255-e3)2+(270-e3)2]+2.000(2/3e3-480/3+1/3e3-105/3)
f3*(e3,x3) = 200/9[(240-e3)2 + (255-e3)2 + (270-e3)2] + 2.000(e3-195)
Resumen de la tercera etapa: Otoño
e3 f3*(e3) X3*
e3 ≤ 240 200(240-e3)2 + 115.000 240
Como e4 = 255 => X4* = (3(255) + 225)/4 => X4* = 247,5 empleados, que está dentro del
rango previsto (240 - 255), los costos totales para las cuatro temporadas son:
e4 f4*(e4) X4*
255 185.000 247,5
Solución
Costos:
Verano : 200(247,5 - 255)2 + 2.000(247,5 - 220) = $66.250
Otoño : 200(245 - 247,5)2 + 2.000(245,0 - 240) = $11.250
Invierno : 200(247,5 - 245)2 + 2.000(247,5 - 200) = $96.250
Primavera : 200(255 - 247,5)2 + 2.000(255,0 - 255) = $11.250
Total...... $185.000
La temporada mas costosa es el invierno y las menos costosas otoño y primavera. Fíjese
que ésta información determina parte del flujo de fondos que el gerente debe preveer
para el próximo año.
3 n
Fíjese que manipular la función objetivo como está presentada es muy dispendioso, por
lo que se hace necesario modificarla, partiendo de la distribución acumulada de Poisson.
oo
Σm e
x=x!
x -m
ujVje-uj
En términos del problema p(vj,uj) =
X! Vj !
uj ujV -1e-u
j j
p(v ,u ) =
j j
[ vj ][ (vj - 1)! ] Ecuación 1
p(vj,uj) = kp uj
vj p(vj - 1,uj);
entonces, vjp(vj,uj) = ujp(vj-1,uj) Ecuación 3
Para vj > 1
oo oo oo
oo oo oo oo
oo
Σ(V - X )p(V ,u ) =
Vj=Xj
j j j j
{ ujp(xj-1,uj) - xjp(xj,uj) ; para xj > 1
uj ; para xj = 0
X3 X2 X1
Etapa 3 Etapa 2 Etapa 1
Σe u
X=oo
función de distribución acumulada de poisson
-u x
X=X !
u X!
X 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,0952 0,1813 0,2592 0,3297 0,3935 0,4512 0,5034 0,5507 0,5934 0,6321
2 0,0047 0,0175 0,0369 0,0616 0,0902 0,1219 0,1558 0,1912 0,2275 0,2642
3 0,0002 0,0011 0,0036 0,0079 0,0144 0,0231 0,0341 0,0474 0,0629 0,0803
4 0,0000 0,0001 0,0003 0,0008 0,0018 0,0034 0,0058 0,0091 0,0135 0,0190
5 0,0000 0,0000 0,0000 0,0001 0,0002 0,0004 0,0008 0,0014 0,0023 0,0036
6 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0003 0,0006
7 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001
X 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,6671 0,6988 0,7275 0,7534 0,7769 0,7981 0,8173 0,8347 0,8504 0,8646
2 0,3010 0,3374 0,3732 0,4082 0,4422 0,4751 0,5067 0,5371 0,5662 0,5939
3 0,0996 0,1205 0,1429 0,1665 0,1911 0,2166 0,2428 0,2694 0,2962 0,3233
4 0,0257 0,0338 0,0431 0,0537 0,0656 0,0788 0,0932 0,1087 0,1253 0,1428
5 0,0054 0,0077 0,0107 0,0143 0,0186 0,0237 0,0296 0,0364 0,0441 0,0526
6 0,0010 0,0015 0,0022 0,0032 0,0045 0,0060 0,0080 0,0104 0,0132 0,0165
7 0,0001 0,0003 0,0004 0,0006 0,0009 0,0013 0,0019 0,0026 0,0034 0,0045
8 0,0000 0,0000 0,0001 0,0001 0,0002 0,0003 0,0004 0,0005 0,0008 0,0011
9 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0002
X 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,8775 0,8892 0,8997 0,9093 0,9179 0,9257 0,9328 0,9392 0,9450 0,9502
2 0,6204 0,6454 0,6691 0,6916 0,7127 0,7326 0,7513 0,7689 0,7854 0,8008
3 0,3504 0,3773 0,4040 0,4303 0,4562 0,4816 0,5064 0,5305 0,5540 0,5768
4 0,1614 0,1806 0,2007 0,2213 0,2424 0,2640 0,2859 0,3081 0,3304 0,3528
5 0,0621 0,0725 0,0837 0,0959 0,1088 0,1226 0,1371 0,1523 0,1682 0,1847
6 0,0204 0,0249 0,0300 0,0357 0,0420 0,0490 0,0567 0,0651 0,0742 0,0839
7 0,0059 0,0075 0,0094 0,0116 0,0142 0,0172 0,0206 0,0244 0,0287 0,0335
8 0,0015 0,0020 0,0026 0,0033 0,0042 0,0053 0,0066 0,0081 0,0099 0,0119
9 0,0003 0,0005 0,0006 0,0009 0,0011 0,0015 0,0019 0,0024 0,0030 0,0038
10 0,0001 0,0001 0,0001 0,0002 0,0003 0,0004 0,0005 0,0007 0,0008 0,0011
11 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0002 0,0002 0,0003
12 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001
X 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,9549 0,9592 0,9631 0,9666 0,9698 0,9727 0,9753 0,9776 0,9797 0,9817
2 0,8153 0,8288 0,8414 0,8532 0,8641 0,8743 0,8838 0,8926 0,9008 0,9084
3 0,5988 0,6201 0,6406 0,6603 0,6791 0,6972 0,7146 0,7311 0,7469 0,7619
4 0,3752 0,3975 0,4197 0,4416 0,4634 0,4848 0,5058 0,5265 0,5467 0,5665
5 0,2018 0,2194 0,2374 0,2558 0,2746 0,2936 0,3128 0,3321 0,3516 0,3711
6 0,0943 0,1054 0,1171 0,1295 0,1424 0,1559 0,1699 0,1844 0,1994 0,2148
7 0,0388 0,0446 0,0510 0,0579 0,0653 0,0733 0,0818 0,0909 0,1005 0,1107
8 0,0142 0,0168 0,0198 0,0231 0,0267 0,0308 0,0352 0,0401 0,0454 0,0511
9 0,0047 0,0057 0,0069 0,0083 0,0099 0,0117 0,0137 0,0160 0,0185 0,0213
10 0,0014 0,0018 0,0022 0,0027 0,0033 0,0040 0,0048 0,0058 0,0069 0,0081
11 0,0004 0,0005 0,0006 0,0008 0,0010 0,0013 0,0016 0,0019 0,0023 0,0028
12 0,0001 0,0001 0,0002 0,0002 0,0003 0,0004 0,0005 0,0006 0,0007 0,0009
13 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0001 0,0002 0,0002 0,0003
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001
Solución:
Etapa 4 Etapa 3 Etapa 2 Etapa 1
0 < IF4 < 4 0 < IF3 < 3 0 < IF2 < 2 0 < IF1 < 4
IF4=II3 IF3=II2 IF2=II1
II4 = 0 Enero Febrero Marzo Abril IF1= 0
0 x4 < 6
< 0 < x3 < 4 0 < x2 < 7 0 x1 < 5
<
D4 = 4 D3 = 5 D2 = 3 D1 = 4
CF4 = $500 CF3 = $450 CF2 = $500 CF1 = $600
CV4 = $300 CV3 = $320 CV2 = $250 CV1 = $350
CIF4 = $100 CIF3 = $100 CIF2 = $120 CIF1 = $140
Observaciones:
• El Inventario se costea en el mes en que se genera, o sea, sobre el inventario final,
en cada etapa. También se puede optar por contabilizarlo sobre el inventario inicial;
el lector debe resolverlo de ésta última manera.
• Es trivial pensar que para minimizar los costos totales, el inventario final en la
etapa 1 debe ser cero (IF1 = 0).
• Fíjese que el inventario final de una etapa es igual al inventario inicial de la si-
guiente etapa.
• Aquí, es importante conocer la ecuación de balance: Todo lo que entra en un mes,
es igual a todo lo que sale de él, matemáticamente: Ii + producción = demanda
+ inventario final.
Fíjese que el inventario inicial para la etapa 4, como máximo puede ser de 2 unidades,
ya que es el tope predefinido para el inventario final del mes de marzo (etapa anterior).
Fíjese que en esta última etapa, es trivial producir, apenas, lo que se necesita para
cubrir la demanda y llegar justamente con un inventario final de cero.
etapa 2: marzo
X2 f2(II2,x2) = 120IF2 + 500 + 250x2 + f1*(II2+X2-d2)
f2*(II2) X2*
II2 X2 = 2 X2 = 3 X2 = 4 X2 = 5
0 NF 3.250 3.270 3.290 3.250 3
1 3.000 3.020 3.040 NF 3.000 2
ETAPA 3: FEBRERO
Observaciones:
• Fíjese que como máximo se puede llegar con dos unidades en el inventario inicial
y como mínimo con una unidad.
• Fíjese que como mínimo se deben producir tres unidades y como máximo, 4
unidades.
• No es factible que teniendo una unidad en el inventario inicial, producir 3 unidades,
ya que la disponibilidad total es de 4 unidades y la demanda que se debe cubrir
es de 5 unidades; No podría cubrirse la demanda.
ETAPA 4: ENERO
X4 f4 = 100 (IF4) + 500 + 300(X4) + f3* (II4 + X4 - d4)
f4* (II4) X4*
II4 X4 = 5 X4 = 6
0 100(1)+500+300(5)+4.980=7.080 100(2)+500+300(6)+4.660=7.160 7.080 5
etapa 1: variable x1
Fíjese que X1 sólo puede tomar dos valores excluyentes: 0 ó 1 y el término en la restric-
ción será 2X1 = 0 ó 2(1) = 2 . Ésto, afectará la función objetivo, cuyo término asumirá el
valor de 12X1 , 12(0) = 0 ó 12(1) = 12
Lo máximo que puede valer el lado izquierdo de la restricción es 9. La función ob-
jetivo debe valer lo máximo posible.
Fíjese que 6X5 + X4 + 4X3 + 5X2 nunca podrá valer 8, para llegar a la última decisión con
una disponibilidad de 1 (e1 = 1)
etapa 2: variable x2
etapa 3: variable x3
etapa 4: variable x4
etapa 5: variable x5
Variable X5 = 0 X4 = 1 X3 = 0 X2 = 1 X1 = 1 Sobrante
Términi en la 6X5 X4 4X3 5X2 2X1 del
restricción 6(0) = 0 1(1) = 1 4(0) = 0 5(1) = 5 2(1) = 2 recurso
Uso del re-
9-0=9 9-1=8 8-0=8 8-5=3 3-2=1 1
curso
e3 e2 e1
e1 > 100 0 1
e2 X2* f2*(e2)
0 < e2 < 25 50 < X2 < e2 0
25 < e2 < 50 20 - e2 < X2 < e2 1/4
e2 = 50 50 1/2
50 < e2 < 75 0 < x2 < e2 - 50 ó 100 - e2 1/2
e2 = 75 25 3/4
75 < e2 < 100 100 - e2 3/4
e2 = 100 0 1
100 < e2 e2 - 100 1
Fíjese que cuando llega a esta etapa con más de $100, lo mejor, para tener la certeza
de ganar, es apostar, exclusivamente, por encima de $100.
A continuación se presenta, la ventana que captura los datos generales del problema
del agente viajero.
From/To Nodo 1 Nodo 2 Nodo 3 Nodo 4 Nodo 5 Nodo 6 Nodo 7 Nodo 8 Nodo 9 Nodo 10
Nodo 1 2 3 5
Nodo 2 8 7 4
Nodo 3 6 9 8
Nodo 4 9 7 3
Nodo 5 4 6
Nodo 6 11 9
Ejecutando el pro-
Nodo 7 15 13
Nodo 8 6
grama, la solución se
Nodo 9 5 ofrece en la siguiente
Nodo 10
ventana:
Problemas propuestos
1.1. La Compañía de leche El Trebol va a comprar 6 carrotanques para transportar leche
con capacidad de 10.000 litros cada uno. Hay 4 zonas productoras de leche que
abastecen al municipio de Ibagué, localizadas en los municipios de: Roncesvalle,
Cajamarca, Santa Isabel y Villahermosa. Se han hecho ciertas estimaciones sobre los
ahorros que El Trebol tendrá en su distribución mensual de leche en el municipio
de Ibagué, al no tener que contratar los servicios de carrotanques particulares.
La siguiente tabla, proporciona una estimación del ahorro, en millones de pesos
mensuales, en función de la asignación de carrotanques a las zonas productoras.
Número de
Roncesvalle Cajamarca Santa Isabel Villahermosa
carrotanques
0 0 0 0 0
1 4 2 6 2
2 6 4 8 3
3 7 6 8 4
4 8 8 9 5
5 9 9 9 6
6 10 10 10 6
Solución: Existen 8 soluciones, con un valor total máximo ahorrado de $18’000.000
cada una.
Agentes Región
de ventas 1 2 3
1 35 21 28 Utilice la programación dinámica para
2 48 42 41 resolver éste problema.
3 70 56 63
4 89 70 75
Solución: El problema tiene dos soluciones: 1) Asignar a la región uno, 3 agentes de
ventas; a la región dos, 2 agentes de ventas y a la región tres, 1 agente de ventas. 2)
Asignar a la región uno, 1 agente de ventas; a la región dos, 2 agentes de ventas y
a la región tres, 3 agentes de ventas. Para ambas soluciones se obtiene un máximo
de incremento en las ventas de 140 unidades.
1.4. Su Empresa trabaja bajo el sistema Job Shop por lo que está sujeta a grandes
fluctuaciones que dependen de la temporada. Es difícil contratar y costoso capa-
citar a los operarios de las máquinas, por lo que Usted rechaza la idea de despedir
trabajadores durante las temporadas bajas.Tampoco quiere mantener su nómina
de temporadas altas. Como todos los trabajos se hacen bajo pedido, no es posible
acumular un inventario durante las temporadas bajas. Así, Usted se encuentra
en un dilema respecto a cuál debe ser la política sobre los niveles de empleo. A
continuación, se dan las estimaciones sobre la mano de obra requerida durante
las tres temporadas del año, para el inmediato futuro cercano:
gracias a que hay algunos empleados de tiempo parcial y los datos de costos se
aplican igual a estas fracciones.
a) Determine el nivel de empleo para cada temporada.
b) ¿Cuáles son los costos totales mínimos?
c) ¿Cuál es el costo total de cada temporada?
d) ¿Cuál es el periodo más costoso?
Solución: a) 295 trabajadores para el periodo uno, 295 trabajadores para el perio-
do dos y 300 trabajadores para el periodo tres. b) Los costos totales mínimos son
$295.000 c) Costo total en el periodo uno, $97.500, en el periodo dos $195.000 y
para el periodo tres $2.500 d) El periodo dos es el más costoso.
1.5. Si se tiene el siguiente esquema productivo, ¿Cuántas unidades se deben producir
en cada mes, cuál es el tamaño de los inventarios y cuál es el costo total mínimo?
Nota: Las unidades a considerar deben ser múltiplos de 100.
D3 = 1 D2 = 2 D1 = 1
CV3 = $10.000 CV2 = $10.000 CV1 = $10.000
CIF3 = $2.000 CIF2 = $2.000 CIF1 = $2.000
3
14
15 13
12 12 2
1 2 7 8
12
3
1 8
4
12
1 6
4
5
1 2 3 4 5 6 7 8 9 10 11
1 7 9 5
2 16 14 12
3 15 18 20
4 13 24 21
5 17 20 23
6 35 30 25
7 17 22 27
8 16
9 20
10 18
Solución: Los dos (2) Ingenieros adicionales se deben asignar al enfoque A para
obtener una probabilidad mínima de fracaso de 0,0528
1.12. La demanda de cepillos dentales electrónicos para los próximos seis (6) meses
se ha pronosticado en 200, 300, 400, 500, 600 y 200 unidades, respectivamente.
El costo de producción es de $25 por unidad. El costo de almacenamiento es de
$0,13 por unidad. La producción sólo puede hacerse en unidades de 100 con una
Número Tiendas
de cargas 1 2 3
0 0 0 0 Utilice la programación dinámica
1 5 6 4 para determinar cuántas cargas
deben asignarse a cada tienda para
2 9 11 9 maximizar la ganancia total espe-
3 14 15 13 rada.
4 17 19 18
5 21 22 20
Gastos en Producto
publicidad 1 2 3 Solución: El problema tiene cinco (5)
1 7 4 6 soluciones con un máximo de incre-
2 10 8 9 mento en las ventas de $24 millones
3 14 11 13 de dólares.
4 17 14 15
1.16. El jefe de cierto partido político desea programar su campaña como candidato y
tiene disponibles los servicios de seis (6) dirigentes políticos. El desea asignarlos a
los cuatro (4) departamentos del país, de tal forma que se maximice la probabili-
dad de elección. Piensa que no sería muy eficiente asignar un dirigente a más de
un (1) departamento, pero, está dispuesto a asignar más de uno (1) a cada uno de
ellos. La tabla siguiente muestra el aumento en el número de votos (en miles), que
recibirá el candidato por cada departamento, según el número de dirigentes asig-
nados. Use la programación dinámica para determinar cuántos dirigentes deben
asignarse a cada departamento, para maximizar el número de votos adicionales
que recibirá el candidato.
Número de dirigentes 0 1 2 3 4 5 6
Departamento 1 0 25 42 55 63 69 74
Departamento 2 0 20 38 54 65 73 80
Departamento 3 0 33 43 47 50 52 53
Departamento 4 0 13 24 32 39 45 50
Solución:
Al Departamento 1, asigne 2 dirigentes políticos
Al Departamento 2, asigne 3 dirigentes políticos
Al Departamento 3, asigne 1 dirigente político
Al Departamento 4, no asigne ningún dirigente político
Número máximo de votos adicionales: 129.000
1.17. Un fabricante de sopa de gallina enlatada, enlata durante cinco (5) semanas segui-
das. Se le entregan las gallinas peladas al comienzo de cada semana. Si las gallinas
no se usan durante la semana en la cual fueron entregadas, tiene que almacenarlas
en una nevera comercial alquilada por él. El precio por gallina varía con la cantidad
comprada. No hay ningún inventario de gallinas al comienzo de la temporada y no
se desea ninguno al final de ella. Si se usan 300 gallinas cada semana, utilice los
costos dados a continuación para determinar cuántas gallinas deben comprarse
cada semana, para minimizar el costo total de las gallinas y su almacenamiento.
(Suponga que los costos de almacenamiento se basan en el número de gallinas
que están en la nevera, durante toda la semana).
1 7
B D G
3
6 2
3 4
3 4
2 4
A E H J
4 1
4 3 6
3
4
C F I
3 5
Solución: El problema tiene tres (3) soluciones con una mínima distancia de 11
unidades. Solución 1: A-B-D-H-J; Solución 2: A-C-E-I-J ; Solución 3: A-B-D-I-J
1.19. Un inversionista tiene $6.000 para invertir en tres (3) riesgos. El debe invertir en
unidades de mil. El retorno potencial, a partir de la inversión en cualquier riesgo,
depende de la cantidad invertida, de acuerdo a la tabla siguiente:
Demanda diaria
Tienda Probabilidad
(en galones)
1 0,6
1 2 0,0
3 0,4
1 0,5
2 2 0,1
3 0,4
1 0,4
3 2 0,3
3 0,3
La Empresa debe asignar los seis (6) galones de leche a las tres tiendas, de modo
que maximice su expectativa diaria de beneficio. Use la programación dinámica
para determinar cuántos galones debe colocar en cada tienda.
Solución 1: Asigne 2, 2 y 2 galones a las tiendas 1, 2 y 3, respectivamente. Beneficio
máximo de $9,75
Solución 2: Asigne 1, 3 y 2 galones a las tiendas 1, 2 y 3, respectivamente. Beneficio
máximo de $9,75
Capítulo 2.
Programación no lineal
Joseph-Louis
Lagrange
Introducción
La programación no lineal responde a la necesidad de resolver los muchos problemas
de la vida real que se expresan en términos de funciones no lineales. Aquí, no existe un
método general como el simplex para programación lineal; por lo tanto, presentaremos
métodos para solucionar algunos tipos, muy especiales, de problemas.
Forma general del problema
Maximice: Z = f(x1 , x2 , . . . , xn)
Con las siguientes restricciones
g1 (x1 , x2 , . . . , xn) < b1
. . .
. . .
gi (x1 , x2 , . . . , xn) < bi
. . .
. . .
gm (x1 , x2 , . . . , xn) < bm
xj > 0 ; j = 1,2, . . . , n
De los métodos de solución existentes, solamente se abordarán:
Método gráfico
En ésta sección se muestran algunos ejemplos de programación no lineal que se pue-
den resolver, exitosamente, mediante el método gráfico. No todos los problemas se
pueden resolver mediante este método; sólo aquellos, cuyas características particula-
res lo permitan. Aquí es importante adquirir experiencia y ojalá disponer de un buen
software de graficación de ecuaciones. Los problemas considerados en esta sección
tienen funciones de máximo dos (2) variables, lo que permite ver graficadas en el plano
cartesiano. Usaremos el software Advanced Grapher 2.02 que se puede adquirir en su
página web: http://www.serpik.com/agrapher/
Ejemplo 2.1
Resolver gráficamente: Max: Z = 3X1 + 2X2, con las siguientes restricciones (C.S.R.): 1) X21
+ 4X1 - X2 < 5 ; 2) 2X1 + 3X2 < 12 ; Xj > 0 ; j = 1,2
Observaciones:
• El problema exige que todas sus variables sean positivas, luego, sólo se consideran
las parejas de puntos (X1 , X2) que se encuentren en el primer cuadrante.
• La función objetivo y la segunda restricción son líneas rectas.
• La primera restricción es una parábola sobre el eje Y.
• Cada una de las restricciones se tabula, se gráfica y se identifica su área de solu-
ciones factible. Interceptando todas las áreas individuales de las restricciones,
identificamos el área de soluciones factibles para el problema.
• Los cálculos analíticos son los siguientes:
X1* = 1,47
Área de soluciones Solución X2* = 3,02
factibles óptima Z* = 10,45
Ejemplo 2.2
Solución Óptima
X1* = 6
X2* = 0
Z* = 12
2X1+3X2<12
==> Aumenta
Z=2X1+X2=2
Disminuye <== Z = 12
-X21+4X1-X2<0
Ejemplo 2.3
Z = X2 - X21 = -2
Maximizar X2 = X21 - 2
y Z = X2 - X21
Minimizar X1 = 0 X2 = 0
X2 = -2 X1 = 1,41 ; X1 = -1,41
C.S.R. -(10 - X21 - X2)3 < 0 P(0,-2) P(1,41;0) ; P(-1,41;0)
-X1 < -2
X2 + X21 - 10 < 0
Solución
Fíjese que la restricción es un circulo con radio uno (1) y no hay condición de no ne-
gatividad.
Disminuye Z* = -3,2
<==
Máximo
X1* = -1
X2* = 0
Z* = 4
Mínimo
<==
X1* = 0,2
Disminuye X2 =-0,96 =-0,979795897
* 1/2
Z* = -3,2
Z=2X21 -3X22 -2X1=-3,2
X1 = 0 X2 = 0 X1 = 0 X2 = 0
X2 = 1 , X2 = -1 X1 = 1 , X1 = -1 -3X22 = 4 2X21 - 2X1 - 4 = 0
P(0,-1) , P(0,1) P(-1,0) , P(1,0) X2 = Imaginario X1 = 2 ; X1 = -1
No corta el eje X2 P(2,0) ; P(-1,0)
P(0,0) => 0 < 1 , Verdad
Ejemplo 2.5
Z=5
{ 10(X1-4)2+20(X2-4)2=Z
X1+X2=6
Solución óptima Z = 15
Mínimo
X*1 = 8/3 = 2,66
X*2 = 10/3 = 3,33 Z = 80/3 = 26,66
Z* = 80/3 = 26,66
Área de
soluciones
factibles
X1 + X2 < 6
Multiplicadores de Lagrange
Joseph Louis Lagrange (1736 - 1813)
Maximice
o Z = f(x1,x2, . . . . ,xn)
Minimice
Características
• No existe la condición de no negatividad.
• Todas las funciones son continuas y tienen derivadas al menos de segundo orden.
• Las restricciones son ecuaciones o sea igualdades. Son aquellas restricciones de
estricto cumplimiento, en donde la variable de holgura es cero.
• m < n, el número de ecuaciones es menor al número de variables.
Método de solución
m
• Definir la función de Lagrange, así: L(x,λ) = f(x) +
Σ λ [b - g (x)] donde las λ son
i=1
i i i i
Observación:
Es aplicable para ciertos tipos de problemas pequeños, debido a que el sistema
de ecuaciones por resolver puede ser dispendioso y poco trivial para obtener
los puntos críticos; además, puede ocurrir que el número de puntos críticos sea
elevado, a menudo infinito y se hace no práctico intentar la identificación de un
máximo o un mínimo global.
X1 - 2X2 = -4
X2 = 6 - X1
X1 - 2X2 = -4 2X1 + 2X2 = 12
X1 + X2 = 6
(2) => => X2 = 6 - 8/3
3X1 = 8 X*2 = 10/3
X*1 = 8/3
λ* = 20(8/3) - 80 = - 80/3
Z* = 10(8/3 - 4)2 + 20(10/3 - 4)2 = 80/3
Aquí, una buena pregunta es: ¿Cuáles son los valores que maximizan la función
objetivo? Para responderla, recurrimos a la siguiente gráfica y observamos que el últi-
mo, punto a la izquierda del área de soluciones factibles, que toca la elipse a medida
que se expande, se encuentra en la intersección de la rectas: 3X1 + X2 = 6 y X1 - X2 = 1
X2
Solución óptima
Máximo
X*1 = 7/4 = 1,75
X*2 = 3/4 = 0,75
Z = 2.095/8 = 261,875
*
X1
Ejemplo 2.6
Containers S.A. fabrica contenedores sobre pedido y acaba de recibir un estudio de una
compañía británica para contenedores rectangulares de seis lados, reutilizables, hechos
de una lámina especial de fibra. El volumen de cada contenedor debe ser, al menos
de 12.000 cm3. Las restricciones de embarque de estos contenedores, en Inglaterra,
requieren que la suma de sus dimensiones no exceda de 72 cm. y que cada una de las
dimensiones (largo, ancho y alto), no exceda de 40 cm. La compañía británica ya tuvo
una oferta de $8,20 por contenedor. La Presidencia de Containers S.A. le ha preguntado a
Usted, gerente de la división de investigación de operaciones y sistemas, si la compañía
puede fabricar estos contenedores a menor costo y seguir obteniendo una ganancia
del 25% por contenedor, siendo que los costos de trabajo y otros costos variables son
de $1 por contenedor. ¿Se puede hacer una oferta por el contenedor, si el costo por
metro cuadrado de lámina de fibra es de $20?
Solución:
XL = Largo en cmts. XW = Ancho en cmts. XH = Alto en cmts
Costo de la materia prima (lámina) = $20/m2 = $0,002/cm2
XL,XW,XH > 0
La ecuación inicial de Lagrange es:
L(XL,XW,XH) = 0,004XWXH + 0,004XLXH + 0,004XWXL
gL
gxW = 0,004XH + 0,004XL = 0 => XH + XL = 0 => XH = -XL
XW = XL
gL
=>
g xL = 0,004XH + 0,004XW = 0 => XH + XW = 0 => XH = -XW
gL XW - XL = 0
g xH = 0,004XW + 0,004XL = 0 => XW + XL = 0 XW + XL = 0
Luego XL = XH = 0 2XW 0
XW = 0
Comprobamos si esta solución inicial XW = XL = XH = 0 es o no factible.
gL 0,004XH + 0,004XL
gxW = 0,004XH + 0,004XL - λXLXH = 0 => λ = XLXH
gL 0,004XW + 0,004XL
g xH = 0,004XW + 0,004XL - λXLXW = 0 => λ = XLXW
gL
g λ = XL XW XH = 12.000
Ejemplo 2.7
Una compañía de computadores ensambla dos modelos A y B. Si cobra un precio p1
por computador A y p2 por computador B, pueden vender q1 y q2 computadores de los
modelos A y B, respectivamente, en donde q1 = 4.000 - 10p1 + p2 y q2 = 2.000 - 9p2 + 0,8p1
Producir un computador tipo A, requiere 2 horas de trabajo y 3 chips de computador,
mientras que producir un computador tipo B, requiere 3 horas de trabajo y 1 chip de
computador. Actualmente, se disponen de 5.000 horas de trabajo y 4.500 chips.
a. Formule el problema como un modelo de programación no lineal
b. Empleando los multiplicadores de Lagrange, encuentre la política óptima de
precios.
c. ¿Cuál es el precio máximo que se puede pagar por una hora adicional de trabajo?
y ¿Cuál es el precio máximo que se puede pagar por un chip adicional?
gL
=> -1,8p1 + 18p2 = 2.000
198,2p1 = 42.000
g p2 = 1,8p1 + 2.000 - 18p2 = 0 (-1)
p1 = 211,9
Luego p2 = [2.000 + 1,8(211,9)]/18 => p2 = 132,3
Z = 300.000 Área de
soluciones
Z = 400.000
factibles
Z = 488.360,18
Solución óptima
Máximo
p*1 = 292,81
p*2 = 158,32
Z = $488.360,18
*
Fíjese que la solución inicial p1 = 211,9 , p2 = 132,3 son las coordenadas de la familia
de elipses concéntricas y por supuesto, no es una solución factible, ya que no se encuen-
tra dentro del área de soluciones factibles; esto, se puede comprobar analíticamente
mediante las restricciones (comprobar si la solución es o no factible).
Fíjese en la gráfica, que entre más pequeña es la elipse, el valor de Z es mayor. Nos
interesa conocer el valor de Z, para la elipse que sea tangente al área de soluciones
factibles y que sea la más pequeña posible. Visualmente, se presenta la duda, de que si
dicho punto es la intersección entre las dos rectas o si dicha intersección, se encuentra
sobre la recta correspondiente a la segunda restricción. En atención a que analíticamen-
te, ninguna de las restricciones es factible con la solución inicial, adicionamos ambas
restricciones, pero, como igualdades. Entonces, la nueva función de Lagrange es:
gL
g p1 = 4.000 - 20p1 + 1,8p2 + 17,6λ1 + 29,2λ2 = 0
gL
g p2 = 1,8p1 + 2.000 - 18p2 + 25λ1 + 6λ2 = 0 -105,6p1 - 150p2 = -54.000
730p1 + 150p2 = 237.500
gL 624,4p1 = 183.500
g λ1 = 17,6p1 + 25p2 = 9.000 (-6) p1 = 293,88
=> Entonces
gL
g λ2 = 29,2p1 + 6p2 = 9.500 (25) p2 =
9.500 - 29,2(293,88)
6
P2 = 153,1
gL
g p2 = 1,8p1 + 2.000 - 18p2 + 6λ2 = 0
gL
g λ2 = 29,2p1 + 6p2 = 9.500
De las dos primeras restricciones, concluimos que:
Entonces:
-2.000 - 1,8p1 + 18p2 Valor máximo que se paga por un chip
λ∗2 = = $53,78
6 adicional.
Como λ∗1 = 0 => No se deben aumentar las horas de trabajo
Por último:
Con ésta muy breve introducción al software, el lector puede leer más detalles del
funcionamiento del programa, en la ayuda del mismo.
Condiciones de Karush-Kuhn-Tucker
Características
1. Es una extensión de los multiplicadores de Lagrange.
2. Es útil para identificar si una solución sospechada es óptima.
3. Es un grupo de criterios o condiciones que tienen que ser satisfechos por las X*j
sospechadas.
4. Tiene un corolario, que si se cumple, el cumplir las condiciones de KKT es sufi-
ciente para asegurar que realmente las X*j, son óptimas.
g f(x*)
= g xj , Si X*j > 0
m
g gi(x*)
1. y 2. Σ λi g xj
j = 1,2, . . . , n
i=1 g f(x*)
> , Si X*j = 0
g xj
= 0 , Si λi > 0
i = 1,2, . . . , m
3. y 4. gi(x*) - bi
< 0 , Si λi = 0
5. Xj > 0 , j = 1,2, . . . , n
6. λi > 0 , i = 1,2, . . . , m
Corolario: Si además, la f(x*) es cóncava y las gi(x) son convexas, el cumplir con las
condiciones anteriores, asegura que la solución X* es óptima.
Caso especial: Si todas las restricciones son lineales: Σaijxj < = > bi , i = 1,2,...,m
m g gi(x*) m
Σ λi g xj = Σ λi a ij
i=1 i=1
Recordemos que:
f(x1,x2, . . . ,xn) es una función convexa si, para cada par de puntos que pertenecen a f(x1,x2,
. . . ,xn), el segmento de recta que los une se encuentra completamente arriba o perte-
nece a f(x1,x2, . . . ,xn). Es una función estrictamente convexa si este segmento de recta
está por completo arriba de la gráfica, excepto por los puntos extremos del segmento.
f(x1,x2, . . . ,xn) es una función cóncava si, para cada par de puntos que pertenecen a
f(x1,x2, . . . ,xn), el segmento de recta que los une se encuentra completamente abajo o
pertenece a f(x1,x2, . . . ,xn). Es una función estrictamente cóncava si este segmento de recta
está por completo abajo de la gráfica, excepto por los puntos extremos del segmento.
Función
Función estrictamente
convexa convexa
Función
Función estrictamente
cóncava cóncava
Función
Función
cóncava
no cóncava
ó
ni convexa
convexa
g x2 g x2
- g g >0 >0 >0 >0
1 2
x1 x2
g 2f
g x2 >0 >0 <0 <0
1
g 2f
g x2 >0 >0 >0 <0
2
C.S.R. X1 + X2 < 6
X1 - X2 < 1 Demuestre que X*1 = 8/3 , X*2 = 10/3 , son la
3X1 + X2 > 6 solución óptima.
-3X1 + 2X2 < 6
Xj > 0 , j = 1,2
Corolario
gz gz
= -20(X1 - 4) g = -40(X2 - 4)
g x1 x2
g 2z g 2z
= -20 = -40
g x2 g x2
1 2
g 2z g 2z
g x1 g x2 =0 =0
g x2 gx1
g 2f g 2f g 2f 2
∆= g 2 g 2 - g g = (-20)(-40) - (0)(0) = 800 > 0
x1 x2 x1 x2
g 2z
= -20 < 0 para cualquier valor de X1 , X2
g x2
1
g 2z
= -40 < 0 para cualquier valor de X1 , X2
g x2
2
Como cada una de las restricciones es una línea recta, podemos asumir que, cada
una de ellas, es cóncava o convexa; para este caso, se dice que, cada una de ellas, es
una función convexa. Además, fíjese que el conjunto solución de las restricciones es un
conjunto convexo. Luego, queda demostrado el corolario, por lo que cualquier solución
que satisfaga las condiciones de KKT será, definitivamente, una solución óptima.
De las condiciones 3 y 4:
Luego λ1 > 0 y λ2 = λ3 = λ4 = 0
20X1 + λ1 = 80
40X2 + λ1 = 160
X1 + X2 = 6
Por último, en las condiciones 5 y 6, es trivial que X*1 = 8/3 > 0 ; X*2 = 10/3 > 0 ; λ1 =
80/3 > 0 ; λ2 = λ3 = λ4 = 0 todos > 0
Por lo tanto, el sistema se satisface con la solución sospechada y la solución óptima,
efectivamente, es: X*1 = 8/3 ; X*2 = 10/3 ; Z* = 80/3
Corolario:
gz gz
g p1 = 4.000 - 20p1 + 1,8p2 g p2 = 1,8p1 + 2.000 - 18p2
g 2z g 2z
= -20 < 0 = -18 < 0
g p2 g p2
1 2
g 2z g 2z
g p1 g p2 = 1,8 g p2 g p1 = 1,8
Las restricciones por ser líneas rectas las podemos considerar cóncavas o convexas.
Para nuestro caso, las consideraremos convexas. Siendo cada restricción convexa, el siste-
ma de inecuaciones convexas forma un conjunto convexo. Luego el corolario se cumple
y si se cumplen las condiciones de KKT, se asegura que se trata de una solución óptima.
Luego λ1 < 0 y no cumple la condición 5 de KKT (λi > 0). Por lo tanto se concluye que la
solución sospechada no es óptima.
Ejemplo 2.10
Empleando las condiciones de KKT, demuestre que p1 = 292,81 , p2 = 158,32 es solución
óptima al siguiente problema de programación no lineal (PNL).
Corolario:
gz gz
g p1 = 4.000 - 20p1 + 1,8p2 g p2 = 1,8p1 + 2.000 - 18p2
g 2z g 2z
g p2 = -20 < 0 = -18 < 0
g p2
1 2
gz2 gz2
g p1 g p2 = 1,8 g p2 g p1 = 1,8
Las restricciones por ser líneas rectas las podemos considerar cóncavas o convexas.
Para nuestro caso las consideraremos convexas. Siendo cada restricción convexa, el
sistema de inecuaciones convexas forma un conjunto convexo. Luego, el corolario se
cumple y al cumplir las condiciones de KKT, asegura que se trata de una solución óptima.
De las condiciones 1 y 2 de KKT:
De las condiciones 3 y 4
Programación cuadrática
Características
1. La función objetivo debe ser cuadrática.
2. Las restricciones deben ser lineales.
3. Difiere de las programación lineal, solamente, en que la función objetivo también
incluye términos en X2j y XjXk
Formulación general del problema
Encontrar X1,X2, . . . ,Xn tales que:
n n n
Maximice Z = ∑cjxj - 1/2j=1k=1
j=1
∑∑qjkxjxk
n
C.S.R. ∑ aijxj ≤ bi Para i = 1,2, . . . , m
j=1
Xj > 0 ; j = 1,2, . . . ,n
Donde los qjk = qkj y son constantes.
Ejemplo 2.11
Resolver el siguiente problema de programación cuadrática.
De la misma manera:
2λ = 30 + 4X1 - 8X2 Si X2 > 0
2λ > 30 + 4X1 - 8X2 Si X2 = 0 La ecuación más general es:
X1 + 2X2 = 30 Si λ > 0
X1 + 2X2 < 30 Si λ = 0
Minimizar Z = A1 + A2
Minimizar la sumatoria de las variables artificiales, por supuesto, que si el proble-
ma tiene solución factible, entonces Z deberá ser igual a cero (0) en el óptimo, ya que
ninguna variable artificial puede ser diferente de cero (0). Si en el óptimo, Z es diferente
de cero, el problema no tiene solución.
Nota: Recuerde el método de las dos (2) fases, en programación lineal.
C.S.R. 4X1 - 4X2 + λ - H1 + A1 = 15
-4X1 + 8X2 + 2 λ - H2 + A2 = 30
X1 + 2X2 + H3 = 30
Xj > 0 , j = 1,2 ; λ > 0 ; Hj > 0 , j = 1,2,3 , Aj > 0 ; j = 1,2
}
(H1)(X1) = 0
(H1)(X1) + (H2)(X2) + (H3)(λ) = 0
(H2)(X2) = 0
(H3)(λ) = 0 Restricción de complementariedad adicional
Cj → 0 0 0 0 0 0 1 1
b/a
↓ V.B. b X1 X2 λ H1 H2 H3 A1 A2
1 A1 15 4 -4 1 -1 0 0 1 0 no
1 A2 30 -4 8 2 0 -1 0 0 1 30/8 → (1/8)
0 H3 30 1 2 0 0 0 1 0 0 30/2
Zj -Cj 45 0 4 3 -1 -1 0 0 0
↑ (no)
Cj → 0 0 0 0 0 0 1 1
b/a
↓ V.B. b X1 X2 λ H1 H2 H3 A1 A2
1 A1 30 2 0 2 -1 -1/2 0 1 1/2 15
0 X2 30/8 -1/2 1 1/4 0 -1/8 0 0 1/8 no (4) (-2)
0 H3 90/4 2 0 -1/2 0 1/4 1 0 -1/4 45/4 → (1/2)
Zj -Cj 30 2 0 2 -1 -1/2 0 0 -1/2
↑ (no) (no)
Cj → 0 0 0 0 0 0 1 1
b/a
↓ V.B. b X1 X2 λ H1 H2 H3 A1 A2
1 A1 15/2 0 0 5/2 -1 -3/4 -1 1 3/4 3 → (2/5)
0 X2 75/8 0 1 1/8 0 -1/16 1/4 0 1/16 75
0 X1 45/4 1 0 -1/4 0 1/8 1/2 0 -1/8 no (1/2) (-2)
Zj -Cj 15/2 0 0 5/2 -1 -3/4 -1 0 -1/4
↑ (no) (no)
Problemas propuestos
Empleando el método gráfico y los multiplicadores de Lagrange, halle el valor máximo
de Z, sujeta a cada restricción dada.
2.9 Z = X2 + Y2 + W2 2.10 Z = X2 + Y2 + W2
c.s.r. c.s.r.
Y + 2X - W = 3 X+Y+W=1
Solución: Solución:
Z* = 3/2 Z* = 1/3
X* = 1 X* = 1/3
Y* = 1/2 Y* = 1/3
W* = -1/2 W* = 1/3
λ = 1 λ = 2/3
Utilice el método de los multiplicadores de Lagrange para solucionar cada uno
de los siguientes problemas del 2.11 al 2.14:
2.11. De todos los números cuya suma es 70, halle los dos que tengan el máximo pro-
ducto.
Solución: Z* = 1225 , X* = 35 , Y* = 35 , λ = 35
2.12. De todos los números cuya suma es 50, halle los dos que tengan el máximo pro-
ducto.
Solución: Z* = 625 , X* = 25 , Y* = 25 , λ = 25
2.13. De todos los números cuya diferencia es 6, halle los dos que tengan el mínimo
producto.
Solución: Z* = -9 , X* = 3 , Y* = -3 , λ = -3
2.14. De todos los números cuya diferencia es 4, halle los dos que tengan el mínimo
producto.
Solución: Z* = -4 , X* = 2 , Y* = -2 , λ = -2
2.15. Maximización del área de digitación. Una hoja estándar de papel para digitar tiene
un perímetro de 39 pulgadas. Halle las dimensiones del papel que proporcione la
mayor área de digitación, sujeta a la restricción perimetral de 39 pulgadas. ¿Cuál
es el área? ¿La hoja estándar de 8,5x11 pulgadas, tiene un área máxima?
En los siguientes ejercicios, (2.24 a 2.30), halle los valores máximos y mínimos indi-
cados de Z, sujetos a las restricciones dadas:
Solución: Solución:
X*1 = 2 X*1 = 55
X*2 = 2 X*2 = 45
Z* = 28 Z* = 192
Capítulo 3.
Modelos de optimización de redes
3
4 7
8
3 2
9
2 2
6 5
7
6 8
1 7 5 8 10
6
8 9
3 7 8
8
4
6 9
6
Introducción
Inicialmente la Ingeniería Eléctrica se interesó bastante en el análisis de flujos de re-
des. Actualmente, su importancia ha crecido en otros campos, tales como la teoría de
la información, la cibernética, los sistemas de transporte y la planeación y control de
proyectos de investigación y desarrollo, entre otros.
En este capítulo, se estudian los algoritmos para la optimización de redes, tales
como: El problema del flujo máximo, el problema de la ruta más corta, el problema del
árbol de mínimo recorrido y el algoritmo de la triple operación. Algunos conceptos
básicos de la teoría de grafos son:
Gráfica: Una gráfica es una serie de puntos llamados nodos, conectados por medio
de ramales.
2 4 Ramal
1 5
3 6 Nodo
2 4 2 4
1 5 1 5
3 6 3 6
2 4
1 3 5 6
Σj X - Σj X = 0
ij ji
La sumatoria del flujo que sale del nodo i-ésimo
debe ser igual a la sumatoria del flujo que entra
al nodo i-ésimo, «Conservación del flujo».
Σj X - Σj X = -Z ; i = n
ij ji
El flujo neto al nodo destino debe ser igual a Z o el
flujo neto, desde el nodo destino (i = n) a cualquiera
de los demás nodos, debe ser igual a -Z.
Ejemplo 3.1
Usted es el responsable del transporte de petróleo crudo a diversos tanques de al-
macenamiento. En la figura, se presenta la red de oleoductos. Las unidades de flujo
están expresadas en cientos de galones diarios. La capacidad total a transportar es de
500.000 galones.
a. ¿Cuál es el flujo máximo del nodo 1 al nodo 7 ?
b. Si se dobla la capacidad del oleoducto que conecta los tanques 1 y 4. ¿Cuál es
el nuevo flujo máximo? y ¿Cuál es la reducción en días del transporte de los
500.000 galones?
8 8
4 5 10
0 7
11 7 0
7
7 7 7 10 0
1 3 6 7
8 6
11 0
8 6
0
2 7
Se escoge la ruta 1-4-5-7 que deja pasar como máximo una cantidad de flujo po-
sitivo de 8 unidades.
Ruta: 1-4-5-7 = 8 unidades de flujo.
La gráfica queda de la siguiente manera:
0 16 2
8 8 8
0 4 5 10
3 7 8
11 7 0
7
7 7 7 10 0
FT = 8 1 3 6 7 FT = 8
8 6
11 0
8 6
0
2 7
0 16 2
8 8 8
0 4 5 10
3 7 8
11 7 0
15 7 15
7 7 7 10 0
FT = 8 1 3 6 7 FT = 8
8 6
11 0
4 7
8 6
0
7 2 7
0
Fíjese que este procedimiento se puede hacer todo, sobre la gráfica inicial. Después
de elegir la ruta 1-4-3-6-7 con 3 unidades de flujo y la ruta 1-2-6-7 con 4 unidades de
flujo, la gráfica queda así:
11 0 16 2
8 8 8
22 0 4 5 10 22
3 0 7 8
18 7 3 18
11 7 0
15 4 10 7 15
FT = 8 > 1 10 7 3
74
10 6
7
6
10 730
7 > FT = 8
8 0
11
4
2 7
8 6
0 0
7 2 7
11 0
11 11 0 16 2
0 8 8 8
22 4 5 10 22
3 0 7 8
18 7 3 18
11 7 0
15 4 10 7 15
74 7 10 730
FT = 8 1 10 7 3 6 7 FT = 8
8 10 6
11 0
4
2 7
8 6
0 0
7 2 7
11 0
15
7
14
26 8 1 26
11 0 16
25 11 2 25
8 8 8 10 9
22 0
0 4 14 5 10 22
3 6 87 7 8
18 7 13 0 18
15 11 10 7 10
3
3 0 15
4 7 0
1 741 7
FT = 8 1 7 3 6 10
7 FT = 8
0 8 10 6
11 0
2
4 7
8 6
0 0
7 2 7
11 0
Una buena pregunta aquí, es: ¿ Cómo viajan las unidades de flujo a través de la
red ? Para encontrar la solución, basta con hallar la diferencia entre el primer valor y el
último, para cada valor Xij, en la red. Por ejemplo: Para X12, en el extremo izquierdo 11 - 0
= 11; o en el extremo derecho 11 - 0 = 11. Para X57, en el extremo izquierdo 10 - 1 = 9; o
en el extremo derecho 9 - 0 = 9. Haciendo todos los cálculos, se determina que el flujo
viaja de la siguiente forma:
8
4 5
15 9
7 1
6 10 FT = 26
FT = 26 1 3 6 7
0 4
11 7 Cuando se pasan 26 unida-
2 des de flujo
Ahora, aplicando el modelo matemático de programación lineal al inciso a), tenemos:
Xij=Unidades de flujo a enviar desde el nodo i-ésimo al nodo j-ésimo siendo i diferen-
te de j
Maximizar: Z = X14 + X12 Maximizar la sumatoria del flujo neto que sale del nodo
origen.
Con las siguientes restricciones:
X14 + X12 - X41 - X21 = X14 + X12 La suma de lo que entra al nodo inicio debe
X21 + X41 = 0 ser igual a cero «0».
X21 = X41 = 0
i = 2 X21 + X23 + X26 + X27 = X12 + X32 + X62 + X72 Restricciones de conserva-
i = 3 X32 + X34 + X35 + X36 = X23 + X43 + X53 + X63 ción del flujo.
i = 4 X41 + X45 + X43 = X14 + X34 + X54
i = 5 X53 + X54 + X57 = X35 + X45 + X75 Fíjese que: X21 = X41 = X72 =
i = 6 X62 + X63 + X67 = X26 + X36 + X76 X75 = X76 = 0
0 < X12 < 11 0 < X41 < 0 0 < X26 < 6 0 < X27 < 7 Ningún ramal puede trans-
0 < X21 < 0 0 < X54 < 8 0 < X62 < 6 0 < X72 < 0 portar cantidades de flujo
negativo y como máximo,
0 < X45 < 8 0 < X57 < 10 0 < X63 < 7 0 < X67 < 10
podrá transportar el valor
0 < X53 < 7 0 < X75 < 0 0 < X36 < 7 0 < X76 < 0 de su capacidad uij
0 < X35 < 7 0 < X32 < 8 0 < X34 < 7
0 < X14 < 11 0 < X23 < 8 0 < X43 < 7
Ejemplo 3.2
En la siguiente red, encuentre el flujo máximo desde el nodo 1 al nodo 7.
a. Empleando el modelo matemático de programación lineal y el software WinQsb
o la herramienta de solver de Excel.
b. Empleando el algoritmo del flujo máximo.
0 4 4
8 0 3
0 2 4
1 0
7 8 0
7 0
1 5 7
10 0 2 0 4 0
0 3 3
3 4
0 6 5
t
X21 + X31 = 0 Nodo 1
X23 + X24 + X25 - X12 = 0 Nodo 2
X13 + X23 - X34 - X35 - X36 = 0 Nodo 3
X24 + X34 + X54 - X45 - X47 = 0 Nodo 4 Restricciones de balance.
X25 + X35 + X45 + X65 - X54 - X56 - X57 = 0 Nodo 5
X36 + X56 - X65 - X67 = 0 Nodo 6
X47 + X57 + X67 - X12 - X13 = 0 Nodo 7
0 < X12 < 7 0 < X34 < 2 0 < X54 < 1
0 < X13 < 10 0 < X35 < 3 0 < X56 < 4
0 < X23 < 8 0 < X36 < 3 0 < X57 < 7 Restricciones de capacidad de
0 < X24 < 8 0 < X45 < 3 0 < X65 < 4 flujo.
0 < X25 < 4 0 < X47 < 4 0 < X67 < 5
Usando la opción «Maximal Flow Problem» del módulo «Network Modeling» del
WinQsb, obtenemos las siguientes ventanas y solución:
X*12 = 7 X*36 = 3
X*13 = 8 X*45 = 1
X*24 = 3 X*47 = 4
X*25 = 4 X*56 = 1
X*34 = 2 X*57 = 7
X*35 = 3 X*67 = 4
Z* = 15 unidades de flujo
Gráficamente: 4
3
4
2 4 1
7
0 7
1 2 5 7
8 3
3 1
4
3
6
0 0
7
15 4 4 4 4 15
6 4
14 0 8 0 3 14
4 4
12 1 2 1 0 7 12
0 2 421 3 4
10 3 7 2 2 5 10
3 2 13 0
7 7 8 4 3 7
2 0 7
7 0
FT = 4 1 0 0 5 7 FT = 4
3 0
10 0 2 0 4 2 0
7 8 3 3 3 1 4
3
0 3
4 0 5 7 4
4
3 3 4
2
6 0 3
0 6 5
8
3 2
1
Fíjese que esta, es una solución alterna a la ofrecida por el WinQsb.
1. Costruir una tabla que muestre los ramales saliendo de cada nodo, organizados
ascendentemente, sin incluir los que entran al origen y los que salen del destino.
2. Empezando en el nodo origen, reserve el ramal que une al nodo origen con el
nodo más cercano a él (el más superior en la lista y de magnitud más pequeña)
y tache todos los ramales que entran a ese nodo.
3. Establezca, para cada nodo conectado, la distancia desde el nodo más cercano
(el más superior en la lista sin tachar ni reservar), al nodo origen.
4. Reserve el ramal que tenga el nodo más cercano al origen y tache todos los
ramales que entran a él.
5. Regrese al tercer paso, hasta que todos los ramales queden reservados o tachados.
OB = 8 AB = 7 BD = 6 CF = 3 DF = 2 EH = 6 FC = 3 GF = 5 HG = 8
AC = 8 BA = 7 CG = 3 DA = 6 ED = 7 FG = 5 GD = 6 HT = 8
CA = 8 DB = 6 EG = 9 FT = 9 GH = 8
DG = 6 GT = 8
DE = 7 GE = 9
El nodo A es el más cercano al nodo origen. Sobre la columna del nodo A colocamos
la distancia desde el nodo origen al nodo A. Tachamos todos los ramales que entran al
nodo A (BA, CA). El criterio es: Si ya salimos del nodo origen, para qué volver a él. Si ya
decidimos llegar al nodo A, a través del ramal AO, descartamos los demás nodos que
entran en el nodo A.
0 7
O A B C D E F G H T
OA = 7 AD = 6 BE = 4 CD = 2 DC = 2 EB = 4 FD = 2 GC = 3 HE = 6
OB = 8 AB = 7 BD = 6 CF = 3 DF = 2 EH = 6 FC = 3 GF = 5 HG = 8
AC = 8 BA = 7 CG = 3 DA = 6 ED = 7 FG = 5 GD = 6 HT = 8
CA = 8 DB = 6 EG = 9 FT = 9 GH = 8
DG = 6 GT = 8
DE = 7 GE = 9
7 13
8
La distancia más corta, desde un nodo al nodo origen, a través de un nodo conec-
tado, es 8, a través del nodo B.
Conectamos el nodo OB a la red de la ruta más corta y tachamos los demás rama-
les, entrando al nodo B (AB, DB, EB). Encima de la columna del nodo B colocamos la
distancia total desde el origen al nodo B (0 + 8 = 8). Actualizamos las listas al final de
cada columna de los nodos conectados (A = 7 + 6 = 13, B = 8 + 4 = 12) y descartamos
las columnas que tengan todos sus ramales asignados o tachados.
0 7 8
O A B C D E F G H T
OA = 7 AD = 6 BE = 4 CD = 2 DC = 2 EB = 4 FD = 2 GC = 3 HE = 6
OB = 8 AB = 7 BD = 6 CF = 3 DF = 2 EH = 6 FC = 3 GF = 5 HG = 8
AC = 8 BA = 7 CG = 3 DA = 6 ED = 7 FG = 5 GD = 6 HT = 8
CA = 8 DB = 6 EG = 9 FT = 9 GH = 8
DG = 6 GT = 8
DE = 7 GE = 9
7 13 12
nota: En caso de empate al escoger el nodo que se encuentra más cerca al nodo
origen a través de un nodo conectado, elija al azar; ello, indica que el problema tiene
soluciones alternas. El nodo más cercano a un nodo conectado, que a su vez, es el más
cercano al origen, es el nodo E, que se encuentra a 4 unidades del nodo conectado B
y a 12 unidades del nodo origen. El anterior proceso se repite sobre el mismo tablero,
quedando éste, al final, así:
0 7 8 15 13 12 15 18 18 24
O A B C D E F G H T
OA = 7 AD = 6 BE = 4 CD = 2 DC = 2 EB = 4 FD = 2 GC = 3 HE = 6
OB = 8 AB = 7 BD = 6 CF = 3 DF = 2 EH = 6 FC = 3 GF = 5 HG = 8
AC = 8 BA = 7 CG = 3 DA = 6 ED = 7 FG = 5 GD = 6 HT = 8
CA = 8 DB = 6 EG = 9 FT = 9 GH = 8
DG = 6 GT = 8
DE = 7 GE = 9
7 13 12 18 15 18 20 26 26
8 15 14 19 24
8
A C F
3 2 9
7
6 Destino
O D G T
8
B E H
4 6
Minimizar Z = ΣC X
ij ij
Arco(i,j)
Se excluyen los arcos entrando al origen y los arcos que
salen del destino (i,1) y (n,j)
c.s.r.
ΣX = 1 ij
Para el nodo origen (i = 1). Nos obliga a salir del nodo
origen (1).
Arco(i,j)
ΣX - ΣX = 0
Arco(i,j)
ij ji
Arco(j,i)
Para los nodos intermedios, (i # 1, i # n). Nos obliga a
salir de un nodo intermedio, si llegamos a él.
ΣX = 1 ij
Para el nodo final (j = n). Nos obliga llegar al nodo
destino.
Arco(i,j)
8 3
2 4 7
3 2 9
7
2 5
Origen 6 Destino
6 8
1 7 5 8 10
6 9
7 8
8 8
3 6 9
4 6
Min Z = 7X12 + 8X13 + 7X23 + 7X32 + 8X24 + 8X42 + 6X25 + 6X52 + 6X35 + 6X53 + 4X36 + 4X63 +
3X47 + 3X74 + 3X48 + 3X84 + 2X45 + 2X54 + 7X65 + 7X56 + 9X68 + 9X86 + 6X69 + 6X96
+ 2X75 + 2X57 + 5X78 + 5X87 + 9X7,10 + 6X85 + 6X58 + 8X89 + 8X98 + 8X8,10 + 8X9,10
c.s.r.
X12 + X13 = 1
X23 + X24 + X25 - X12 - X32 - X42 - X52 = 0 i=1
X32 + X35 + X36 - X13 - X23 - X53 - X63 = 0 i=2
X42 + X45 + X48 + X47 - X24 - X54 - X84 - X74 = 0 i=3
X52 + X53 + X54 + X56 + X57 + X58 - X25 - X35 - X45 - X65 - X75 - X85 = 0 i=4
X63 + X65 + X68 + X69 - X36 - X56 - X86 - X96 = 0 i=5
X74 + X75 + X78 + X7,10 - X47 - X57 - X87 = 0 i=6
X84 + X85 + X86 - X87 + X89 + X8,10 - X48 - X58 - X68 - X78 - X98 = 0 i=7
X96 + X98 + X9,10 - X69 - X89 = 0 i=8
X7,10 + X8,10 + X9,10 = 1 i=9
Xij = 0,1 i = 10
Ejemplo 3.4
Se desea determinar la política óptima de sustitución de equipos para cierto horizonte
de planificación. El esquema representa las estrategias de reemplazo donde un arco
del nodo i (año) al nodo j, representa una actuación de compra de material, en el año i
y su sustitución, en el año j, con Cij equivalente al costo de sustitución.
700
340 150
200
500
Se desea conocer la política de sustitución más económica.
14 = 340 25 = 400
16 = 700 26 = 500
340 150
200
100 80
1 2 3 4 5 6
Ejemplo 3.5
Usted tiene que conducir todos los días, de su residencia a la Universidad de Ibagué.
Habiendo tomado sólo una clase de análisis de redes, pudo determinar la ruta más corta
para llegar a la universidad. Para su decepción, descubrió que su ruta más corta estaba
muy vigilada por la policía, que siempre lo detenía injustamente por violar los límites
de velocidad (así le parecía a Usted, en particular, cuando se le hacía tarde para llegar a
la universidad). Con todas las multas que ha pagado (y el hecho de no poder levantarse
lo suficientemente temprano para llegar a tiempo a la universidad, sin exceder el límite
de velocidad), llegó a la conclusión de que su ruta más corta, evidentemente, no era la
más económica. Por lo tanto, decidió estudiar el problema desde un ángulo diferente.
Usted desearía elegir su ruta de manera que se maximice la probabilidad total de no ser
detenido por la policía. Observando todos los segmentos del camino factible entre su
residencia y la universidad, recopiló las probabilidades que se indican en los distintos
arcos de la red dirigida siguiente:
0,8 0,35
2 4 6
1 3 5 7
0,9 0,3 0,25
p(1,7) = p(1,2)p(2,4)p(4,6)p(6,7)
ln p(1,7) = ln p(1,2) + ln p(2,4) + ln p(4,6) + ln p(6,7)
ln p(1,7) = ln(0,2) + ln(0,8) + ln(0,35) + ln(0,5)
ln p(1,7) = -1,609437912 - 0,223143551 - 1,049822124 - 0,69314718
ln p(1,7) = -3,575550767
p(1,7) = antilogaritmo(-3,575550767) = 0,028
0,223143551 1,049822124
2 4 6
1,609437912 0,69314718
1 3 5 7
0,105360515 1,203972804 1,386294361
1,609 2,407
Luego, la ruta más corta es: 1-3-5-7, con una probabilidad máxima de no ser detenido
de (0,9)(0,3)(0,25) = 0,0675.
De otra manera: Antilogaritmo de (-2,69562768) = 0,0675 ó
e-2,69562768 = 1/e2,69562768 = 0,0675
1,3 = 0,9 2,4 = 0,8 3,5 = 0,3 4,5 = 0,4 5,7 = 0,25 6,7 = 0,5
0,2 0,09
1 3 5 7
1. Construir una tabla que muestre todos los ramales saliendo de cada nodo, or-
ganizados ascendentemente.
2. Escoja, arbitrariamente, cualquier nodo y conéctelo al nodo más cercano.
3. Identifique el nodo no conectado que esté más cercano a un nodo conectado
y conecte estos nodos.
4. Tache los ramales del nodo conectado a otro nodo que ya esté conectado, para
evitar ciclos.
5. Repita los pasos 3. y 4. hasta que todos los nodos estén conectados.
Ejemplo 3.6
Para la siguiente red, encuentre el árbol (red sin ciclos) de mínima expansión.
8 3
A C F
3 2 9
7
2 5
6
6 8
O 7 D G T
6 9
7 8
8 8
B E H
4 6
El objetivo es unir o conectar todos los nodos, de tal forma que la red resultante
sea un árbol de mínima expansión. Aquí, podemos empezar por cualquier nodo e ir
configurando el árbol de mínimo recorrido.
Recuerde que un árbol es una red que no tiene ciclos. Si se sale de un nodo, no
podemos regresar a él.
OB = 8 AO = 7 BD = 6 CF = 3 DF = 2 EH = 6 FC = 3 GF = 5 HG = 8 TH = 8
AB = 7 BA = 7 CG = 3 DA = 6 ED = 7 FG = 5 GD = 6 HT = 8 TF = 9
AC = 8 BO = 8 CA = 8 DB = 6 EG = 9 FT = 9 GH = 8
DG = 6 GT = 8
DE = 7 GE = 9
Si se escoge el nodo «O» para empezar (recuerde, puede empezar por cualquier
nodo), colocamos una «X» en la cabecera de su columna, lo que significa que el nodo
«O» ha sido conectado al árbol de mínimo recorrido. Escogemos el ramal más próximo
a un nodo conectado, OA en éste caso (por supuesto, el más superior en la lista de «O»),
y lo conectamos al árbol de mínimo recorrido. Sobre la cabecera de A colocamos una
X y tachamos el ramal inverso AO. Ahora, tachamos todos los ramales en la lista de «A»
que conectan este nodo con otro nodo ya conectado (que tenga la «X» en su cabecera);
¡por supuesto!, para el primer nodo conectado no existe ningún ramal que lo conecte
con otro nodo conectado, ya que como mínimo se necesitan tres nodos para formar
un ciclo y en el momento, sólo hemos conectado dos nodos.
Ahora, escogemos el nodo que esté más cerca a un nodo ya conectado; los candi-
datos son: OB = 8, AD = 6, ¡por supuesto!, escogemos AD = 6, lo reservamos, colocamos
una «X» sobre la cabecera de la columna del nodo «D» que acaba de ser añadido al árbol
de mínimo recorrido y en esta columna tachamos los ramales que conecten a «D» con
el nodo «O» y con el nodo «A», ésto es DA, también, tachamos el ramal inverso DA, para
que no quede doblemente contabilizado, en este caso DA cumple las dos condiciones,
es el nodo inverso y conecta al nodo «D» con el nodo ya conectado «A».
X X X
O A B C D E F G H T
OA = 7 AD = 6 BE = 4 CD = 2 DC = 2 EB = 4 FD = 2 GC = 3 HE = 6 TG = 8
OB = 8 AO = 7 BD = 6 CF = 3 DF = 2 EH = 6 FC = 3 GF = 5 HG = 8 TH = 8
AB = 7 BA = 7 CG = 3 DA = 6 ED = 7 FG = 5 GD = 6 HT = 8 TF = 9
AC = 8 BO = 8 CA = 8 DB = 6 EG = 9 FT = 9 GH = 8
DG = 6 GT = 8
DE = 7 GE = 9
X X X X
O A B C D E F G H T
OA = 7 AD = 6 BE = 4 CD = 2 DC = 2 EB = 4 FD = 2 GC = 3 HE = 6 TG = 8
OB = 8 AO = 7 BD = 6 CF = 3 DF = 2 EH = 6 FC = 3 GF = 5 HG = 8 TH = 8
AB = 7 BA = 7 CG = 3 DA = 6 ED = 7 FG = 5 GD = 6 HT = 8 TF = 9
AC = 8 BO = 8 CA = 8 DB = 6 EG = 9 FT = 9 GH = 8
DG = 6 GT = 8
DE = 7 GE = 9
NOTA: En caso de empate al escoger el nodo más cercano a un nodo conectado, elija
al azar. Esta situación, indica que el problema tiene soluciones alternas. Repitiendo el
algoritmo, el tablero final queda así:
X X X X X X X X X X
O A B C D E F G H T
OA = 7 AD = 6 BE = 4 CD = 2 DC = 2 EB = 4 FD = 2 GC = 3 HE = 6 TG = 8
OB = 8 AO = 7 BD = 6 CF = 3 DF = 2 EH = 6 FC = 3 GF = 5 HG = 8 TH = 8
AB = 7 BA = 7 CG = 3 DA = 6 ED = 7 FG = 5 GD = 6 HT = 8 TF = 9
AC = 8 BO = 8 CA = 8 DB = 6 EG = 9 FT = 9 GH = 8
DG = 6 GT = 8
DE = 7 GE = 9
Sumando los ramales seleccionados, obtenemos la distancia total mínima del árbol
de mínimo recorrido.
7 + 6 + 4 + 3 + 2 + 2 + 6 + 6 + 8 = 44 unidades de distancia.
Señalando sobre la red los ramales seleccionados, visualizamos el árbol de mínimo
recorrido.
B E H
4 6
Recorrido total mínimo: 44
unidades de distancia.
Ejemplo 3.7
La fábrica «Fibras del Tolima» está diseñando el sistema electrónico de detección de
humo en su almacén general. Las ubicaciones requeridas para colocar los detectores
aparecen en la figura. Los arcos representan longitudes entre las ubicaciones, en pies
lineales. ¿ Qué sistema conectará todos los detectores usando la mínima longitud total
de conexiones electrónicas ?
23 22
2 5 7
35 17
20 24 19
1 30 4 8
19 21 18
40 14
3 6 9
27 22
13 = 40 25 = 23 36 = 27 42 = 17 57 = 22 68 = 21 75 = 22 87 = 19 96 = 22
23 = 30 32 = 30 46 = 19 52 = 23 69 = 22 86 = 21
21 = 35 31 = 40 45 = 20 58 = 24 63 = 27 85 = 24
2 5 7
35 17
20 19
1 4 8
19 21 18
14
3 6 9
En la siguiente ventana, se ofrece la solución óptima, previo clic sobre el ícono que
ejecuta el programa.
35 18
Nodo 1 Nodo 2 Nodo 5 Nodo 8 Nodo 9
17 21
20
19
Nodo 3 Nodo 6
14 19
Nodo 4 Nodo 7
Principio fundamental:
Metodología:
1. (a) Definir la matriz de distancia D0, en donde se muestren todas las distancias posibles
entre los nodos.
i = Filas = Todos los nodos.
j = Columnas = Todos los nodos.
dij = Elemento de la matriz que indica la distancia «directa» del nodo i-ésimo al
nodo j-ésimo.
Nota: Bloqueamos la diagonal principal, cuando i = j
(b) Definir la matriz de secuencia S0, donde se muestran todas la posibles secuencias
de rutas.
2. En la matriz D0, defina la fila «k» y la columna «k» como fila y columna pivote respec-
tivamente, y aplique la triple operación a cada elemento dij que no esté ni en la fila,
ni en la columna pivote, si satisface la siguiente condición:
Realice los siguiente cambios en Dk y Sk , que son las nuevas matrices de distancia
y secuencia.
(a) En Dk remplace dij por el dik + dkj de la matriz anterior Dk-1
(b) En Sk remplace Sij por el k de Sk-1
Ejemplo 3.8
Una compañía de telefonía celular, le da servicio a seis áreas geográficas. La distancia
por satélite (en millas), entre las seis áreas, se proporciona en la figura. La empresa ne-
cesita determinar las rutas de mensajes más eficientes, que se deben establecer entre
cada dos (2) áreas, en la red.
400
2 6
700 200 100
1 300 4 500
700 300
200
3 5
600
D1 S1
1 2 3 4 5 6 1 2 3 4 5 6
1 - 700 200 M M M 1 - 2 3 4 5 6
2 700 - 300 200 M 400 K=2 2 1 - 3 4 5 6
3 200 300 - 700 600 M 3 1 2 - 4 5 6
4 M 200 700 - 300 100 4 1 2 3 - 5 6
5 M M 600 300 - 500 5 1 2 3 4 - 6
6 M 400 M 100 500 - 6 1 2 3 4 5 -
Del nodo 1 al nodo 3 hay una distancia directa de 200 millas, pero, se puede ir a
través del nodo 2 con una distancia de (d12 + d23), 700 + 300 = 1.000, lo cual no es mejor
que ir directamente (d13), luego, elegimos el camino directo desde el nodo 1 al nodo 3.
En la siguiente matriz D2 el elemento d13 = 200
Del nodo 1 al nodo 4 hay una distancia directa de M (M = Número muy grande =
No hay conexión directa del nodo 1 al nodo 4); pero, se puede ir a través del nodo 2 con
una distancia de (d12 + d24), 700 + 200 = 900, lo cual es mejor que ir directamente (d14),
luego elegimos el camino a través del nodo 2. En la siguiente matriz D2 el elemento d14
= 900 y en la matriz de secuenciación S2, S14 = K = 2
Sobre la matriz D2 se encierran en un elipse los elementos que en D1 cumplen la
condición de la triple operación, es decir, que es mejor ir a través de otro nodo, que
de manera directa; a la vez, son los elementos que en la matriz de secuenciación S2 se
remplazarán por el valor de K = 2.
D2 S2
1 2 3 4 5 6 1 2 3 4 5 6
1 - 700 200 900 M 1100 1 - 2 3 2 5 2
2 700 - 300 200 M 400 2 1 - 3 4 5 6
3 200 300 - 500 600 700 K=3 3 1 2 - 2 5 2
4 900 200 500 - 300 100 4 2 2 2 - 5 6
5 M M 600 300 - 500 5 1 2 3 4 - 6
6 1100 400 700 100 500 - 6 2 2 2 4 5 -
D3 S3
1 2 3 4 5 6 1 2 3 4 5 6
1 - 500 200 700 800 900 1 - 3 3 3 3 3
2 500 - 300 200 900 400 2 3 - 3 4 3 6
3 200 300 - 500 600 700 3 1 2 - 2 5 2
4 700 200 500 - 300 100 K=4 4 3 2 2 - 5 6
5 800 900 600 300 - 500 5 3 3 3 4 - 6
6 900 400 700 100 500 - 6 3 2 2 4 5 -
D4 S4
1 2 3 4 5 6 1 2 3 4 5 6
1 - 500 200 700 800 800 1 - 3 3 3 3 4
2 500 - 300 200 500 300 2 3 - 3 4 4 4
3 200 300 - 500 600 600 3 1 2 - 2 5 4
4 700 200 500 - 300 100 4 3 2 2 - 5 6
5 800 500 600 300 - 400 K=5 5 3 4 3 4 - 4
6 800 300 600 100 400 - 6 4 4 4 4 4 -
Distancias más cortas desde el nodo 3 al Distancias más cortas desde el nodo 4 al
nodo: nodo:
1: 200 millas, por la ruta: 3-1 1: 700 millas, por la ruta: 4-2-3-1
2: 300 millas, por la ruta: 3-2 2: 200 millas, por la ruta: 4-2
4: 500 millas, por la ruta: 3-2-4 3: 500 millas, por la ruta: 4-2-3
5: 600 millas, por la ruta: 3-5 5: 300 millas, por la ruta: 4-5
6: 600 millas, por la ruta: 3-2-4-6 6: 100 millas, por la ruta: 4-6
Distancias más cortas desde el nodo 5 al Distancias más cortas desde el nodo 6 al
nodo: nodo:
1: 800 millas, por la ruta: 5-3-1 1: 800 millas, por la ruta: 6-4-2-3-1
2: 500 millas, por la ruta: 5-4-2 2: 300 millas, por la ruta: 6-4-2
3: 600 millas, por la ruta: 5-3 3: 600 millas, por la ruta: 6-4-2-3
4: 300 millas, por la ruta: 5-4 4: 100 millas, por la ruta: 6-4
6: 400 millas, por la ruta: 5-4-6 5: 400 millas, por la ruta: 6-4-5
Fíjese que los datos ofrecidos por la matriz de secuenciación han sido revisados
frente a la gráfica, para asegurar una correcta interpretación de la secuencia ofrecida y
corregir cualquier inconsistencia que ella ofrezca.
Ejemplo 3.9
Para la red que aparece en la siguiente figura, encuentre las rutas más cortas entre cada
dos nodos. Las distancias (en millas) se dan en los arcos. El arco (3,5) es unidireccional,
de manera que no está permitido ningún tráfico del nodo 5 al nodo 3. Todos los demás
arcos permiten el tráfico, en ambas direcciones.
5
2 4
3 4
1 6 5
10 15
3
Do
So
1 2 3 4 5
1 2 3 4 5
1 - 3 10 M M K=1 1 - 2 3 4 5
2 3 - M 5 M 2 1 - 3 4 5
3 10 M - 6 15 3 1 2 - 4 5
4 M 5 6 - 4 4 1 2 3 - 5
5 M M M 4 - 5 1 2 3 4 -
D3 S3
1 2 3 4 5 1 2 3 4 5
1 - 3 10 8 25 1 - 2 3 2 3
2 3 - 13 5 28 2 1 - 1 4 3
3 10 13 - 6 15 3 1 1 - 4 5
4 8 5 6 - 4 K=4 4 2 2 3 - 5
5 M M M 4 - 5 1 2 3 4 -
D4 S4
1 2 3 4 5 1 2 3 4 5
1 - 3 10 8 12 1 - 2 3 2 4
2 3 - 11 5 9 2 1 - 4 4 4
3 10 11 - 6 10 3 1 4 - 4 4
4 8 5 6 - 4 K=5 4 2 2 3 - 5
5 12 9 10 4 - 5 4 4 4 4 -
D5 S5
1 2 3 4 5 1 2 3 4 5
1 - 3 10 8 12 1 - 2 3 2 4
2 3 - 11 5 9 2 1 - 4 4 4
3 10 11 - 6 10 3 1 4 - 4 4
4 8 5 6 - 4 4 2 2 3 - 5
5 12 9 10 4 - 5 4 4 4 4 -
Distancias más cortas desde el nodo Distancias más cortas desde el nodo
1 al nodo: 2 al nodo:
Distancias más cortas desde el nodo Distancias más cortas desde el nodo
3 al nodo: 4 al nodo:
Ejemplo 3.10
Considere la red de transbordo de la siguiente figura. Los nodos 1 y 5 corresponden a la
ubicación de las plantas. Las plantas producen 200 y 150 cargas de camiones, respecti-
vamente. Los nodos 3, 6 y 9 son las ubicaciones de las tiendas. Las tiendas demandan
50, 250 y 50 cargas de camiones, respectivamente. El número en el arco (i,j) señala el
costo de transportar una carga desde i hasta j. Suponga que el costo desde i hasta j es
el mismo que el costo desde j hasta i.
+ 150
6
2 5
8 4 4 4
6
1 7 8
+ 200 1 4 7 9 - 50
4 3 3 5 2
6
3 6 8
5 4
- 50 - 250
Solución:
a. La formulación del problema de programación lineal debe tener 17 variables,
una variable por cada ramal.
b. La formulación del problema de programación lineal debe tener 9 restricciones,
una por cada nodo.
c. Asumimos el nodo 1, como inicio y aplicamos el algoritmo de la ruta más corta.
Fíjese que los nodos 3, 6 y 9 son los destinos de un problema de transporte. Con
éste procedimiento encontramos la ruta menos costosa, desde el nodo 1 hasta
los nodos 3, 6 y 9.
0 5 5 1 5 4 7 8 10
1 2 3 4 5 6 7 8 9
1-3=5
2 5 1-6=4
1 - 9 = 10
4 4
1
+ 200 1 4 7 9 - 50
3 3
2
4
3 6 8
4
- 50 - 250
d. Asumimos el nodo 5, como inicio y aplicamos el algoritmo de la ruta más corta.
Fíjese que los nodos 3, 6 y 9 son los destinos de un problema de transporte. Con
éste procedimiento encontramos la ruta menos costosa desde el nodo 5 a los
nodos 3, 6 y 9.
5 6 8 4 0 6 4 9 11
1 2 3 4 5 6 7 8 9
4-7=7
11 5 4 10 7 11
7 6 9
8 + 150 12
5-3=8
6 5-6=6
2 5 5 - 9 = 11
4 4
1
1 4 6 7 9 - 50
4 5
2
3 6 8
- 50 - 250
T I E N D A S
3 6 9 ai Dif.
1-4-3 5 1-4-6 4 1-4-6-8-9 10 200 1
1 150 6
50 150 0
0
PLANTAS
5-4-3 8 5-6 6 5-7-8-9 11 150 2
5 5
0 100 50
Solución óptima:
50 150
100 50 X*13 = 50 Cargas de camiones por la ruta 1-4-3
X*16 = 150 Cargas de camiones por la ruta 1-4-6
X*56 = 100 Cargas de camiones por la ruta 5-6
5 4 0
X*59 = 50 Cargas de camiones por la ruta 5-7-8-9
6 11 2 Z* = 50(5) + 150(4) + 100(6) + 50(11) = $2.000
5 4 9
1
1
+ 150
5
50
200 100
+ 200 1 4 7 9 - 50
50
50
150 50
3 6 8
- 50 - 250
7 10 8 6 4 3 0 5 7
1 2 3 4 5 6 7 8 9
4-5=4 7-9=8
13 7 8 6 3 7
15 10 10 8 4
5
7
8
+ 150
7-3=8
7-6=3
2 5 7-9=7
4 4
1
+ 200 1 4 7 9 - 50
3 5
3 2
3 6 8
5
- 50 - 250
bj 50 0 250 50 50 0 350
350
Dif. 0 3 4
50 50 + 50 - 50 100 Solución:
- X*53 = 50 cargas de camiones
200 + 150 50 por la ruta 5-4-3
X*56 = 100 cargas de camiones
8 6 11 0 8 6 0 por la ruta 5-6
X*76 = 150 cargas de camiones
3 -3 3 7 -3 por la ruta 7-6
X*79 = 50 cargas de camiones
8 6 11 8 6 10
por la ruta 7-8-9
Z* = 50(8) + 100(6) + 150(3) +
1
50(7) = $1800
3 -1 3
+ 150
5
50 + 200
4 7 9 - 50
50 100 50
150 50
3 6 8
- 50 - 250
Software INVOP
Para problemas de flujo, los datos se capturan mediante la ventana de diálogo siguiente:
Software Grafo
Software en español gratuito, creado por Alejandro Rodríguez Villalobos cuya ver-
sión 1.1.5 se puede bajar de http://www.arodrigu.webs.upv.es/grafos/doku.php; es un
programa para la construcción, edición y análisis de grafos en modo tabular o gráfico.
Permite exportar el grafo a diferentes formatos de ficheros gráficos. Contempla valores
de mínimo, máximo y costo en los arcos; y valor en los nodos y arcos bidireccionales.
Efectúa los siguientes análisis:
Problemas propuestos
3.1. Considere el sistema de distribución que se muestra en la figura; encuentre las
rutas más cortas del nodo 1 a los demás nodos.
2
8 6
4
1 4 5 7
10 5
2 7
17
3 6 4
4
1-2 = 8 1-5 = 14
1-3 = 17 1-6 = 16
Solución: 1-4 = 10 1-7 = 20
La administración desea determinar cuáles son los pares de sucursales que deben
conectarse directamente con las líneas telefónicas especiales, de manera que cada
una quede conectada en forma directa o indirecta a la oficina matriz, a un costo
total mínimo.
Solución: Mínimo recorrido 420 millas.
3.3. La figura muestra la longitud de los enlaces factibles que conectan nueve (9) fuentes
de gas natural, mar adentro, con un punto de reparto en tierra. Como la ubicación
de la fuente uno (1) es la más próxima a la costa, está equipada con la capacidad de
bombeo y almacenaje suficiente para enviar la producción de las ocho (8) fuentes
restantes, al punto de reparto. Determine la red de tubería que conecte todas las
fuentes al punto de reparto, que minimice la longitud total de los gasoductos.
5 1 15
2 9 4
14 9
Solución: Total del recorrido mínimo = 41
6 6 5
10 13
unidades de distancia.
3 5 8
15 20 5 7
20
4 12
7
3
7 6
3.4. Se desean conectar, mediante fibra óptica, ocho (8) centros de investigación. El
costo del sistema es función lineal de la longitud de la linea tendida. La tabla recoge
las distancias entre los centros.
H a s t a
Desde 1 2 3 4 5 6 7 8
1 --- 28 26 41 30 17 19 52
2 28 --- 21 17 26 31 18 40
3 26 21 --- 27 21 25 26 18
4 41 17 27 --- 15 52 36 61
5 30 26 21 15 --- 70 81 77
6 17 31 25 52 70 --- 66 69
7 19 18 26 36 81 66 --- 12
8 52 40 18 61 77 69 12 ---
Se desea tender la línea de manera que haya una conexión con cada centro, pero,
sin ciclos. ¿Cuál es el tendido de línea, más económico, entre los centros?
Solución: 116 unidades de distancia.
3.5. Encuentre la ruta más económica y sus costos entre cualquier par de nodos de la
siguiente red:
10
5
2 5
3
7 6 4
4 8 12
1 3 6
2 11 6
9
4 7
5
20
D7 S7
1 2 3 4 5 6 7 1 2 3 4 5 6 7
1 -- 3 4 6 8 12 11 1 -- 2 3 3 2 3 4
2 3 -- 7 9 5 9 14 2 1 -- 3 3 5 5 4
3 4 7 -- 2 6 8 7 3 1 2 -- 4 5 6 4
4 6 9 2 -- 8 10 5 4 3 3 3 -- 3 3 7
5 8 5 6 8 -- 4 10 5 2 2 3 3 -- 6 6
6 12 9 8 10 4 -- 6 6 3 5 3 3 5 -- 7
7 11 14 7 5 10 6 -- 7 4 4 4 4 6 6 --
0 2 6
0
3 5 5
9 0
2
6 0
1 3 5 7
2 4 0 0
6 12
3
0
0 4 5
11 3
14 18 Nota: Observe que es una red
6
orientada o dirigida.
4 2
3 2 4 Se desea determinar los caminos
mínimos de la localidad 1 a las
restantes localidades.
4 2 3 5 Solución parcial: Del 1 al 7, 16
kilómetros, por la ruta 1-4-5-7 ó
6 5 7 1-4-2-3-6-7
7 10
3.8. Para la siguiente red, encuentre el flujo máximo del origen al destino, si el número
junto al ramal (i,j) más cercano al nodo i, representa la capacidad de flujo del nodo
i al nodo j.
2 4 4
7 0
3 3
0 2 7 7
2 2
8 3 5 0
Fuente 1 3 0 8 0
5 9 Destino
0 3
9 0
4 4
0 6 1 7
3 8
3 0
2 6 2
3.9. Una compañía de reforestación sembrará árboles, en ocho (8) zonas de la misma
área. Para ello, debe organizar un sistema de caminos para tener acceso a cualquier
zona, desde cualquier otra.
Zonas 1 2 3 4 5 6 7 8
1 -- 1,3 2,1 0,9 0,7 1,8 2,0 1,5
2 1,3 -- 0,9 1,8 1,2 2,6 2,3 1,1
3 2,1 0,9 -- 2,6 1,7 2,5 1,9 1,0
4 0,9 1,8 2,6 -- 0,7 1,6 1,5 0,9
5 0,7 1,2 1,7 0,7 -- 0,9 1,1 0,8
6 1,8 2,6 2,5 1,6 0,9 -- 0,6 1,0
7 2,0 2,3 1,9 1,5 1,1 0,6 -- 0,5
8 1,5 1,1 1,0 0,9 0,8 1,0 0,5 --
El problema consiste en determinar los pares de zonas entre las que deben cons-
truirse caminos para conectarlos, con una longitud total mínima.
Solución: X*32 = 0,9 ; X*83 = 1 ; X*54 = 0,7 ; X*15 = 0,7 ; X*76 = 0,6 ; X*87 = 0,5 X*58 = 0,8 ; Z*
= 5,2 unidades de distancia.
3.10. a. Utilice el Algoritmo de Dijkstra para encontrar la ruta más corta a través de la
figura, desde el nodo O al nodo T.
3 4
A D G
4 5 2 2 2 2 7
6 2 5 8
O C F H T
4 5 1 2 3
3 4
B E I
6 5
3.11. El vuelo de Aires está a punto de despegar de Ibagué, sin escalas, a Cartagena.
Existe cierta flexibilidad para elegir la ruta precisa, según las condiciones del clima.
La siguiente red describe las rutas posibles, donde IB y CA son Ibagué y Cartagena,
respectivamente, y los otros nodos representan varios lugares intermedios.
El viento a lo largo de cada arco afecta mucho el tiempo de vuelo y por ende, el
consumo de combustible. Con base en el informe meteorológico actual, junto a
los arcos se muestran los tiempos de vuelo en horas. Debido al alto costo del com-
bustible, la administración ha establecido la política de elegir la ruta que minimiza
el tiempo total de vuelo.
3,5
A D
C F
3,4
33 12 23 120
Oficina
Caja 47 70 20
de 0 2 4 6
conexión
52 43 33
3 5
70
3.13. Tufik Chediak reparte vino a siete (7) localidades diferentes. Especifique las 7 rutas
más cortas del nodo H a cada una de las 7 localidades.
7
1 Solución:
8 2
H-1=4
3 H-2=6
7 4 6
H-3=5
H
1 3 3 H-4=6
3 H-5=8
4 1 H-6=9
1 5
H-7=8
1 2 2
6
2
100 15
Solución:
1 20 4 1 - 3 - 5 = 90
1 - 3 - 4 - 5 = 90
50
30 10 Unidades de distancia.
3 5
60
5
2 5
2 11 8 6 Solución
Arbol de míni-
10
1 4 7 mo recorrido:
21 unidades
3 7 9 de longitud.
4
3 6
1
3.16. Hallar el flujo máximo desde el nodo 1 hasta el nodo 5, en la siguiente red.
4 20
0
5 0
5
10 0 Solución
0 Flujo máximo: 60
1 30
10 unidades de flujo.
20
20 0
30 3
0 2 0
40
5
2 5
2 6 Solución
11 8
Ruta más corta:
10 13 unidades de
1 4 7
distancia.
3 7 9
4
3 6
1
3.18. Un individuo que vive en San Jorge y que trabaja en San Carlos busca una ruta
automovilística que minimice el tiempo matutino de manejo. Esta persona ha
registrado los tiempos, en minutos, cuando recorre las principales rutas que co-
munican las diferentes ciudades intermedias. Estos datos se muestran en la tabla.
La cruz (x) indica los casos en que no hay una ruta que una, directamente, a los
puntos correspondientes.
San Jorge Los Arroyos Km. 25 El Sauce Las Cañas San Carlos
San Jorge 0 18 X 32 X X
Los arroyos 18 0 12 28 X X
Km. 25 x 12 0 17 X 32
El Sauce 32 28 17 0 4 17
Las Cañas X X X 4 0 11
San Carlos X X 32 17 11 0
3.19. Una firma ha ganado un contrato para producir cubiertas. El contrato tiene una
duración de 4 años. El proceso de producción requiere de una máquina que no
posee la firma. Ésta, puede comprarla, mantenerla durante los 4 años del contrato
y luego, venderla en el valor de su rescate; o puede reemplazarla por un ultimo
modelo, al final de cualquier año dado. Los nuevos modelos requieren menos man-
tenimiento que los antiguos. En la tabla, se indica el costo neto estimado (precio
de compra + mantenimiento - precio de venta), para una máquina comprada al
inicio del año i y vendida al inicio del año j. Se trata de determinar en qué momento
conviene remplazar la máquina.
Obsérvese que la matriz es no simétrica, ya que se puede ir del año 1 al año 3, pero,
no se puede volver, como lo indica la ruta prohibida.
Solución:
Desde el Año 1
Año 1-Año 2; Costo total: 12
Año 1-Año 3; Costo total: 19
Año 1-Año 4; Costo total: 33
Año 1-Año 3-Año 5; Costo total: 19 + 26 = 45
Interpretación: Sólo en el año 3, conviene cambiar la máquina.
3.20. La empresa Taxi´s ha identificado 10 lugares principales para pasajeros que abordan
y descienden de los taxis en la ciudad de Ibagué. En un esfuerzo para minimizar el
tiempo de viaje, mejorar el servicio a los clientes y mejorar la utilización de la flota
de taxis de la compañía, a los administradores les gustaría que los conductores de
los taxis tomaran la ruta más corta entre estos diversos lugares, cuando sea posible.
Aplicando la red de caminos que se muestran en la tabla (cada valor muestra los
tiempos de viaje en minutos):
a. Realice una red del problema donde cada arco muestre los tiempos del viaje
en minutos.
b. ¿Cuál es la ruta que debería tomar un taxi que sale del lugar 1 y debe llegar al
lugar 10? ¿Cuánto dura el viaje?
1 2
3 4 5 6 7 8 9 10
1 8
13 15 10 X X X X X
2 8 5 X X X 15 X X X
3 13 5 6 X 5 X X X X
4 15 X 6 4 3 X X X X
5 10 X x 4 9 X X 12 X
6 X X 5 3 9 4 2 5 X
7 X 15 X X X 4 4 X 4
8 X X X X X 2 4 5 7
9 X X X X 12 5 X 5 5
10 X X X X X X 4 7 5
Solución:
b) Ruta 1-10 = 25 minutos ; c) Ruta 5-2 = 15 minutos
Oficina 2 3 4 5 6
Oficina 0 15 10 X X X
2 15 0 6 5 X X
3 10 6 0 X 10 X
4 X 5 X 0 4 6
5 X X 10 4 0 3
6 X X X 6 3 0
Determinar la ruta más corta entre la oficina (nodo 1) hasta cada uno de los lugares
en donde se encuentran las obras.
Solución:
Oficina - 2: 15 Km.
Oficina - 3: 10 Km. Oficina - 3 - 5: 20 Km.
Oficina - 2 - 4: 20 Km. Oficina - 3 - 5 - 6: 23 Km.
Necesita entonces con estos datos determinar cuál es el plan de cambio durante los
próximos 4 años que minimice el costo neto total. Este problema se puede resolver
con un modelo de ruta más corta, encontrando la matriz de datos correspondiente.
Solución: Comprar el carro al inicio del año 1 y venderlo al final del año 4, con un
costo total de $4.800
3.23. La Compañía Rápido Ibagué ofrece un servicio especial de entregas y recolecciones
rápidas, entre el centro de la ciudad y 10 barrios ubicados en el área urbana. Cuando
la compañía recibe una solicitud de servicio, envía un camión desde el centro de la
ciudad hasta el barrio en el que se solicita el servicio, tan pronto como sea posible.
Tanto el servicio rápido como el costo mínimo es objetivo para Rápido Ibagué. Es
importante que los camiones que se envían vayan por la ruta más corta desde el
centro al barrio especificado. En el siguiente cuadro, se resumen las distancias en
kilómetros, desde el centro de la ciudad a los barrios y entre los barrios entre sí.
Obtenga las distancias para las rutas más cortas desde el centro de la ciudad hasta
cada uno de los 10 barrios. ¿Cuál es la ruta más corta al Barrio 7? ¿y al Barrio 9?
Solución:
Del Centro al Barrio 7: 100 Km. por la ruta: Centro - 3 - 8 - 7
Del Centro al Barrio 9: 80 Km.por la ruta: Centro - 2 - 6 - 9
3.24. Mauro & Cía. quiere comunicar, mediante cable telefónico, la casa Matriz y las 5
sucursales. El objetivo es permitir la comunicación entre cualquier par de sucursales
o casa Matriz. Para esto, sin embargo, no es necesario instalar cables entre todos
los pares, sino que pueden comunicarse dos sucursales a través de otra intermedia.
Se trata de encontrar el árbol que minimiza la longitud del cable.
Longitud del cable requerido, en miles de metros, para conectar cada par:
Lab. 2 3 4 5 6 7 8
Lab. 600 700 800 X X X X
2 600 800 X 500 600 X X
3 700 800 500 X 400 600 X
4 800 X 500 X X 600 X
5 X 500 X X 300 X 400
6 X 600 400 X 300 500 200
7 X X 600 600 X 500 400
8 X X X X 400 200 400
Central 2 3 4 5 6
Central 20.000 40.000 30.000 50.000 40.000
Nodo 2 20.000 X X 40.000 X
Nodo 3 40.000 X 10.000 30.000 30.000
Nodo 4 30.000 X 10.000 X 20.000
Nodo 5 50.000 40.000 30.000 X 40.000
Nodo 6 40.000 X 30.000 20.000 40.000
1 2 3 4 5 6 7 8
1 4 2 X X X X X
2 4 X X 2 5 X X
3 2 X 2 4 X X X
Solución:
4 X X 2 3 X X 7
17 unidades de
5 X 2 4 3 X 3 5
longitud
6 X 5 X X X 3 X
7 X X X X 3 3 2
8 X X X 7 5 X 2
Motel 1 6
Motel 2
5
8 10
A
Mesa de entrada:
90 Arma expediente
Secretaría:
B 60
Firma y sella
Compras:
30 D
Pliego
C 60 Traslado
80 Auditoría:
Controla
Servicios asistenciales:
E 80 Autoriza
Contabilidad: 50 F
Liquidación
G Contabilidad:
60
Facturación
90 Tesorería:
Paga
H
3.31. Una línea de producción puede verse como una red donde los nodos represen-
tan estados de la materia prima o de productos semiterminados y los arcos los
procesos a los que se someten. Cada proceso de esta red tiene su capacidad, y la
capacidad de la línea de producción corresponde al flujo en la red. Suponga que
la siguiente red representa una línea de producción y los números de los arcos,
las capacidades de cada proceso:
9
En este problema, lo que se
5 6 busca es encontrar la capaci-
dad de producción de la línea.
4
Solución: Capacidad máxima
de producción en la línea: 8
8 unidades de flujo.
2
3.32. Una compañía de teléfonos de larga distancia utiliza una red de líneas subterráneas
de comunicación para ofrecer servicio de audio de alta calidad entre dos ciudades
importantes. Las llamadas se conducen mediante diversas líneas de cable y diversos
nodos de conexión en la red, según se muestra, en seguida, en la tabla. Se muestra,
también, el número de llamadas telefónicas que pueden ocurrir simultáneamente
en cualquier punto del tiempo.
a. ¿Cuál es el número máximo de llamadas telefónicas que se pueden transmitir
simultáneamente entre dos ciudades ?
b. ¿Cuáles son los nodos de conexión y los flujos sobre los cables, cuando el sistema
opera con toda su capacidad?
Debido a los diversos diámetros de los caños, también son variables las capacidades
de flujo. Al abrir y cerrar, selectivamente, las diversas secciones de la red de oleo-
ductos, la empresa puede abastecer cualquiera de los puntos de almacenamiento.
Si la empresa desea abastecer el punto de almacenamiento 6 y utilizar, en forma
completa, la capacidad del sistema.
a. ¿Cuánto tiempo se necesitará para satisfacer la demanda de 100.000 metros
cúbicos del punto 6?
b. ¿Cuál es el flujo máximo para este sistema de oleoductos?
c. Si se presenta una ruptura entre los puntos de almacenamiento 1 y 2 y se cierra,
¿Cuál es el flujo máximo para el sistema?
d. ¿Cuánto tiempo se requerirá para abastecer al punto 6 de almacenamiento?
Solución:
a) 10 horas.
b) 10.000 mts3/hora.
c) 9.000 mts3/hora.
d) 11,11 horas.
Capítulo 4.
Administración de proyectos
Gantt-pert-cpm
E 6
5 11
5 11
0
A 5 B 1 C 2 F 3
0 5 0 1 1 3 11 14
0 5 2 3 3 5 11 14
0 2 2 0
D 4
57 9
11
2
Introducción
En este capítulo se muestran las herramientas básicas para la administración de pro-
yectos, tales como el diagrama Gantt, el pert determinístico, el pert probabilístico y el
método cpm.
En la historia de la humanidad, el hombre se ha enfrentado al reto de elaborar
proyectos cada vez más grandes y complejos, de tal forma, que surge la necesidad de
coordinar numerosas actividades en toda la organización. Entre 1958 y 1959 se desarrolla
en Estados Unidos, el proyecto de construcción del cohete polaris, durante el cual, se
empiezan a aplicar las novedosas técnicas de control de proyectos pert y cpm.
Algunas de las aplicaciones más frecuentes de estas técnicas son: Proyectos de
construcción, programación de computadoras, programación y propuestas de licita-
ciones, la planeación de mantenimiento y la instalación de sistemas de computadoras.
Usos principales
Pert determinístico
Aquí, se asume que el tomador de decisiones o administrador del proyecto, conoce
suficientemente las actividades, tanto, que puede asegurar que su duración se puede
considerar constante.
Ejemplo 4.1
Se proporciona la siguiente información sobre un proyecto que está compuesto por
seis (6) actividades:
Solución
a. Diagrama Gantt: Consiste básicamente en una tabla de doble entrada, en donde
las actividades se representan sobre las filas y el tiempo transcurrido del proyec-
to sobre las columnas. Para cada actividad, se asignan dos filas: En la primera,
se representa mediante barras horizontales, la duración de cada actividad,
teniendo en cuenta la precedencia y empezando cada actividad, lo más pronto
posible. Sobre la segunda fila de cada actividad, se representa, mediante barras
horizontales, la duración de cada actividad, teniendo en cuenta la precedencia,
pero, empezando cada actividad lo más tarde posible, sin alterar la duración
total mínima del proyecto.
Duración en semanas
Actividades Observaciones
1 2 3 4 5 6 7 8 9 10 11 12 13 14
A
B
C
D
E
F
Aquí, sobre el diagrama Gantt, se han colocado las barras en la primera fila de
cada actividad, teniendo en cuenta las precedencias e iniciando cada actividad, lo más
pronto posible. El resultado final indica, que el proyecto se puede realizar, en un tiempo
mínimo de 14 semanas.
Ahora, colocamos el segundo juego de barras sobre la segunda fila de cada actividad,
teniendo en cuenta las precedencias e iniciando cada actividad lo más tarde posible,
sin perjudicar la duración mínima total del proyecto: 14 semanas.
Duración en semanas
Actividades Observaciones
1 2 3 4 5 6 7 8 9 10 11 12 13 14
A Actividad Crítica
B Holgura de 2 semanas
C Holgura de 2 semanas
D Holgura de 2 semanas
E Actividad Crítica
F Actividad Crítica
Cualquier aumento en la duración total del proyecto, ocasiona aumento en los cos-
tos, en el cobro del seguro de cumplimiento y en el deterioro de la imagen de la empresa.
Fíjese que las actividades B, C y D tienen una holgura de 2 semanas, lo cual quiere
decir, que su inicio más pronto, se puede retrazar como máximo 2 semanas, sin que
afecte la duración mínima total del proyecto: 14 semanas.
Del gráfico Gantt se deduce que cada actividad tiene cuatro tiempos significativos,
importante para tener en cuenta, y son:
• tiempo de inicio más temprano: Es la fecha, más pronta posible, para iniciar las
labores de la actividad.
• tiempo de inicio más tarde: Es la fecha, más tarde posible, para iniciar las labores
de la actividad, sin alterar la duración total mínima del proyecto.
• tiempo de terminación más temprano: Es la fecha, más pronta posible, para finalizar
las labores de la actividad.
• tiempo de terminación más tarde: Es la fecha, más tarde posible, para finalizar las
labores de la actividad, sin alterar la duración total mínima del proyecto.
• holgura: Es el tiempo máximo que una actividad puede retrasarse sin alterar
la duración total mínima del proyecto. Es la diferencia entre el tiempo de inicio
más tarde y el tiempo de inicio más temprano o la diferencia entre el tiempo de
terminación más tarde y el tiempo de terminación más temprano.
Duración en semanas
Actividad Observaciones
1 2 3 4 5 6 7 8 9 10 11 12 13 14
D Holgura de 2 semanas
7-5=2 ó 11-9=2
Holgura
E 6
5 11
5 11
0
A 5 B 1 C 2 F 3
0 5 0 1 1 3 11 14
0 5 2 3 3 5 11 14
0 2 2 0
D 4
5 9
7 11
2
Observaciones:
1. No espere lograr en el primer intento una red perfecta; lo normal es hacer va-
rios intentos, dibujando, solamente, los nodos , el nombre de la actividad que
representa y las flechas o ramales (sin colocar los tiempos). Cuando logre una red
que cumpla con las precedencias y cuya presentación sea lo más clara y sencilla,
evitando en lo posible los cruces de ramales, y de preferencia en orden lógico
de izquierda a derecha o de arriba hacia abajo; solamente, entonces, dibuje la
red sobre la que va a colocar los tiempos.
2. Fíjese que pueden existir varios nodos origen o varios nodos finales
3. Al menos, debe tener un nodo origen y un nodo destino, con holgura cero.
4. La unión de los nodos que tengan holgura cero, conforman una cadena que
se denomina la ruta crítica. En una red, pueden haber varias rutas críticas; En
nuestro caso, la ruta crítica la conforman las actividades A-E-F y el tiempo mínimo
del proyecto es de 14 semanas.
3. Fíjese que la duración mínima del proyecto es igual al mayor tiempo de termi-
nación más temprano de las actividades que finalizan, que no son precedentes
de otras. Para nuestro caso, sólo hay una, la actividad F, cuyo tiempo de termi-
nación más temprano es de 14 semanas; entonces, ésta, es la menor duración
del proyecto.
4. Fíjese que los cálculos siguen una secuencia lógica de izquierda a derecha, igual
a la secuencia lógica de la red.
5. Para el cálculo de los tiempos de inicio y de terminación más tarde es conveniente
hacerlo de derecha a izquierda.
6. El tiempo de finalización más tarde de todos los nodos finales, es igual al tiempo
total mínimo del proyecto. Para nuestro caso, 14 semanas; por ello, la actividad F
(nodo terminal = no es precedente de ninguna otra actividad) tiene como tiempo
de terminación más tarde, 14 semanas.
7. El tiempo de inicio más tarde es igual al tiempo de terminación más tarde menos
la duración de la actividad. Para la actividad F, el cálculo correspondiente es:
14 - 3 = 11 semanas
9. Fíjese que nunca pueden aparecer HOLGURAS NEGATIVAS, todas deben ser > 0
De esta forma, las respuestas a las preguntas a) y b) de nuestro problema han sido
contestadas y explicadas en detalle.
Respuesta a la pregúnta C): Si todas las actividades cumplen el tiempo estimado,
el tiempo máximo que puede atrasarse la actividad D es igual a su holgura, ésto es,
dos (2) semanas.
Pert probabilístico
Aquí, el tiempo de duración de cada actividad es una variable aleatoria que sigue una
distribución de probabilidad. En la mayoría de la literatura sobre el tema, se usa la distri-
bución de probabilidad beta unimodal, llamada también, distribución de probabilidad
de tres tiempos estimados, cuyos parámetros son:
a = Tiempo optimista, si todo va bien, bajo condiciones ideales
m = Tiempo más probable, si todo marcha dentro de lo normal
b = Tiempo pesimista, si todo va mal, bajo condiciones pésimas
4m + a + b
te =
6
2
b-a
a m b σ2 =
6
Ejemplo 4.2
Como administrador de un proyecto, se enfrenta a la red de actividades que se muestra
en la figura y a los estimados de tiempo optimista, más probable y pesimista de las
actividades, en semanas.
a. Represente el proyecto mediante una red actividad - nodo
b. Calcule el tiempo esperado y la varianza de cada actividad, suponiendo una
distribución beta unimodal de probabilidad.
c. Calcule el tiempo de inicio esperado más temprano, el tiempo de inicio espe-
rado más tarde, el tiempo de finalización esperado más temprano, el tiempo
C
3 6
B G
A D F
1 2 5 7 8
I
Actividad
Ficticia
E H
Solución
Para representar el proyecto como una red actividad - nodo, observamos en la red
actividad - flecha que suministra el enunciado del problema, cuáles son las pre-
cedencias de cada actividad. Con ésta información reescribimos la tabla de datos
y efectuamos los cálculos del tiempo esperado y la varianza, para cada actividad.
Actividades a + b + 4m b-a 2
Actividades
Predecesoras
ai bi mi te = σ2 = 6
6
A Ninguna 1 5 3 (1+5+4(3))/6=3 ((5-1)/6)2=4/9
B A 1 5 3 (1+5+4(3))/6=3 ((5-1)/6)2=4/9
C B 4 6 5 (4+6+4(5))/6=5 ((6-4)/6)2=1/9
D B 1 7 4 (1+7+4(4))/6=4 ((7-1)/6)2=1
E A 7 9 8 (7+9+4(8))/6=8 ((9-7)/6)2=1/9
F D,E 4 8 6 (4+8+4(6))/6=6 ((8-4)/6)2=4/9
G C,F 4 6 5 (4+6+4(5))/6=5 ((6-4)/6)2=1/9
H E 7 11 9 (7+11+4(9))/6=9 ((11-7)/6)2=4/9
I G,H 1 5 3 (1+5+4(3))/6=3 ((5-1)/6)2=4/9
Ahora, podemos representar el proyecto sobre una red actividad - nodo y trabajan-
do con el tiempo esperado, efectuamos los cálculos necesarios para hallar los tiempos
solicitados.
B 3 C 5 G 5
3 6 6 11 17 22
4 7 12 17 17 22
1 6 0
A 3 D 4 F 6 I 3
0 3 6 10 11 17 22 25
0 3 7 11 11 17 22 25
0 1 0 0
E 8 H 9
3 11 11 20
3 11 13 22
0 2
Tp = 26,6089 Semanas
Costos
directos
Cc (Cc - Cn)
Pendiente =
Cc - Cn (Dn -Dc)
Duración
Dc Dn
Duración
Dn Dc
Costos
Costos Totales
Costo
Total Costos Indirectos
Mínimo
Costos Directos
Duración
Duración a Costo Total
Mínimo
Procedimiento
1. Se calcula la RUTA CRÍTICA y se colocan los costos directos de duración normal,
asociados a ella.
2. Se considera la reducción en la duración del proyecto.
a. La atención se debe centrar sobre las actividades de la ruta crítica con el fin
de lograr una reducción en la duración del proyecto, al mínimo costo posible.
b. Se debe comprimir tanto como sea posible la actividad crítica que tenga la
pendiente tiempo - costo, más pequeña. Se recomienda hacer ésta operación
por unidad de tiempo, ya que durante la reducción, la ruta crítica puede variar.
c. El nuevo programa debe considerarse ahora para reducción, seleccionando la
actividad crítica con la mínima pendiente.
El procedimiento se repite hasta que todas las actividades críticas estén en su tiempo
de duración mínima o hasta que logremos el tiempo requerido por el dueño del proyecto.
Ejemplo 4.3
Considere el siguiente proyecto que tiene las actividades y sus precedencias,, su dura-
ción en semanas y los costos, normales y críticos, que se muestran en la siguiente tabla:
Solución
Actividad Pendiente
A (200 - 100)/(8 - 6) = 50
B (350 - 150)/(4 - 2) = 100
C ( 90 - 50)/(2 - 1) = 40
D (400 - 100)/(10- 5) = 60
E (200 - 100)/(5 - 1) = 25
F (100 - 80)/(3 - 1) = 10
D 10
7 17
7 17
0 Duración: 17 Semanas
Costos directos: 580+50= $630
A 7 C 2 Ruta crítica: A-D
0 7 7 9 Actividad por disminuir en 1 semana: A, con
0 7 12 14
F 3 la menor pendiente de $50/Semana
0 5
9 12 Fíjese que la actividad A, se puede reducir de
14 17 7 a 6 semanas, que es su duración mínima.
B 4 E 5 5
0 4 4 9
5 9 9 14
5 5
D 10
6 16 Duración: 16 Semanas
6 16 Costos directos: 630+50= $680
0 Ruta crítica: A-D
Actividad por disminuir en 1 semana: D,
A 6 C 2
con pendiente de $60/Semana
0 6 6 8
0 6 11 13 Fíjese que la actividad A, que posee la me-
0 5 F 3 nor pendiente, no se puede disminuir más,
9 12
por haber llegado a su duración mínima;
13 16
B 4 E 5 4 entonces considerare la siguiente actividad
0 4 4 9 de la ruta crítica con menor pendiente D y la
4 8 8 13
4 4
disminuimos en 1 semana.
D 9 Duración: 15 Semanas
6 15 Costos directos: 680+60= $740
6 15 Ruta crítica: A-D
0
Actividad por disminuir en 1 semana: D, con
pendiente de $60/Semana
A 6 C 2
0 6 6 8 Aquí, la pregunta es: ¿Se puede disminuir, de
0 6 10 12 una vez, la duración de la actividad D, de 9
0 4 F 3
9 12
semanas a su duración mínima de 5 semanas?
12 15 La respuesta es NO, porque en el proceso de
B 4 E 5 3 disminuir semana por semana, la ruta crítica
0 4 4 9
7 12
puede cambiar, cuando es otra actividad dife-
3 7
3 3 rente, la que se debe disminuir .
D 8
6 14
6 14
0 Duración: 14 Semanas
Costos directos: 740+60= $800
A 6 C 2 Ruta crítica: A-D
0 6 6 8
0 6 9 11 Actividad por disminuir en 1 semana: D, con
0 3 F 3 pendiente de $60/Semana
9 12
11 14
B 4 E 5 2
0 4 4 9
2 6 6 11
2 2
D 7
6 13
6 13 Duración: 13 Semanas
0
Costos directos: 800+60= $860
Ruta crítica: A-D
A 6 C 2
0 6 6 8 Actividad por disminuir en 1 semana: D, con
0 6 8 10 pendiente de $60/Semana
0 2 F 3
9 12
10 13
B 4 E 5 1
0 4 4 9
1 5 5 10
1 1
D 5
6 11
Duración: 11 Semanas
6 11 Costos directos: 920+60+10= $990
0 Rutas críticas: A-D y B,E,F
Actividad por disminuir en 1 semana: No hay
A 6 C 2 Fíjese que en la ruta crítica A-D todas sus
0 6 6 8 actividades han llegado a su duración
0 6 7 9
0 1 F 2 mínima, luego, por más que disminuyamos
9 11 cualesquiera de las actividades de la ruta
9 11 crítica B,E,F siempre prevalecerá como ruta
B 4 E 5 0
0 4 4 9 crítica A-D, con duración de 11 semanas. Por
0 4 4 9 lo tanto, el proyecto ha llegado a su mínima
0 0
reducción.
Conclusión:
• El proyecto se puede reducir a 11 semanas como máximo, con un costo directo
total de $990
• El método CPM es una negociación o trueque entre duración y costos directos,
pero, de manera inteligente.
• A continuación, se presenta un ejemplo aún más completo, en donde se tienen
en cuenta los costos indirectos, los costos directos, los costos totales del proyecto
y adicionalmente, se grafican, obteniendo la duración del proyecto, para que los
costos totales sean mínimos.
Ejemplo 4.4
Para un proyecto que tiene los tiempos en semanas, los costos directos, los costos
indirectos y los costos de acortamiento en millones de pesos que se muestran en la
tabla, calcule:
a. Los costos totales directos de terminación del proyecto en 9,10,11,12 y 13 se-
manas.
b. Para los costos indirectos que se muestran, grafique los costos totales, directos
e indirectos y determine el tiempo de conclusión, de menor costo total.
Solución:
Actividad Pendiente
A 300/1 = 300 A D Fíjese que la red tiene
B 400/2 = 200 tres actividades inicia-
C 200/1 = 200 B F les (A,B,C) y dos activi-
D No tiene dades terminales (F,G)
E 600/1 = 600 C E
F 200/2 = 100
G 600/4 = 150 G
C 4 E 3
0 4 4 7
0 4 4 7
0 0
G 8
4 12
5 13
1
Duración: 12 Semanas
Costos directos: 5.100+100=$5.200
A 2 D 1 Rutas críticas: C-E-F y C-G
0 2 2 3 Actividad por disminuir en 1 semana: C
4 6 6 7 Aquí, hay dos rutas críticas. Obseve que ellas,
4 4
tienen en común la actividad C cuya pen-
diente es $200/semana. Si disminuimos la
B 5 F 5
0 5 7 12 actividad F en 1 semana, por tener la menor
2 7 7 12 pendiente en su ruta, la ruta crítica C-G so-
2 0 brevivirá y disminuiremos la actividad G, en
1 semana, por tener la menor pendiente en
C 4 E 3 su ruta de $150/semana. Por consiguiente,
0 4 4 7 disminuir la duración del proyecto, de 12 a
0 4 4 7
11 semanas, nos cuesta 100+150= $250. Me-
0 0
jor opción es disminuir, en 1 semana, la ac-
tividad común C que causa de inmediato la
G 8
4 12 reducción de 1 semana, en la duración total
4 12 del proyecto que pasaria de 12 a 11 semanas
0 y costaría $200, en vez de $250
A 2 D 1
0 2 2 3
3 5 5 6
3 3
Duración: 11 Semanas
B 5 F 5 Costos directos: 5.200+200=$5.400
0 5 6 11 Rutas crítica: C-E-F y C-G
1 6 6 11 Aquí, la actividad común C ha llegado a su
1 0
mínima duración; luego, para reducir en 1
semana todo el proyecto debemos consi-
C 3 E 3
0 3 3 6
derar las actividades F y G, mínimas y redu-
0 3 3 6 cibles, cada una, en su ruta crítica respecti-
0 0 va. Los costos totales se incrementarán en
100+150= $250
G 8
3 11
3 11
0
A 2 D 1 Duración: 10 Semanas
0 2 2 3 Costos directos: 5.400+100+150= $5.650
3 5 5 6 Rutas crítica: C-E-F y C-G
3 3
B 5 F 4
0 5 6 10
1 6 6 10
1 0
Aquí, persisten las dos rutas críticas: En C-E-F,
C 3 E 3 la única que se puede reducir es E, con una
0 3 3 6
0 3 3 6 pendiente de $600/semana; en la ruta crítica
0 0 C-G la única reducible es G, con una pendien-
te de $150/semana. Luego, reducir el proyec-
G 7 to en 1 semana cuesta 600+150= $750
3 10
3 10
0
B 5 F 4
0 5 5 9 Duración: 9 Semanas
0 5 5 9 Costos directos: 5.650+600+150= $6.400
0 0 Rutas crítica: B-F, C-E-F y C-G
Teniendo en cuenta, todas las anteriores
C 3 E 2 gráficas, hemos obtenido los costos directos
0 3 3 5
0 3
para 9,10,11,12 y 13 semanas.
3 5
0 0
G 6
3 9
3 9
0
Tabla resumen
Costos
($)
Costos Totales
Costo
Total $11.600 Costos Indirectos
Mínimo
Costos Directos
Duración
11 (Semanas)
Duración a Costo
Total Mínimo
Ejemplo 4.5
Cierto proyecto se compone de 12 actividades. El proyecto implica que su ejecución
tenga las siguientes precedencias, costos en miles de pesos y tiempos de las actividades
en semanas:
Máxima Máxima
Actividad Pendiente Actividad Pendiente
reducción reducción
A 2 25 G 1 70
B 0 ------ H 0 ------
C 1 100 I 3 30
D 1 30 J 4 12,5
E 2 50 K 2 45
F 0 ------ L 1 5
E 7 D 3 H 3
5 12 5 8 8 11
19 26 7 10 10 13
14 2 2
K 8 I 9 J 11 L 10
22 30 13 22 13 24 24 34
26 34 17 26 13 24 24 34
4 4 0 0
0 < XA < 2 0 < XE < 2 0 < XJ < 4 Restricciones debidas al número máximo
0 < XC < 1 0 < XG < 1 0 < XK < 2 de semanas que se puede reducir cada
0 < XD < 1 0 < XI < 3 0 < XL < 1 actividad.
E 7 D 3 H 3
5 12 5 8 8 11
14 21 7 10 10 13
9 2 2
K 8 I 8 J 7 L 9
21 29 13 21 13 20 20 29
21 29 13 21 13 20 20 29
0 0 0 0
F 5 G 4
Tiempo total mínimo 8 13 8 12
del proyecto: 29 semanas. 8 13 16 20
Rutas críticas 0 8
C-F-J-L
C-F-I-K
Costo total mínimo: C 8
$3’085.000 0 8
0 8
0
0 < XA < 2 0 < XE < 2 0 < XJ < 4 Restricciones debidas al número máxi-
0 < XC < 1 0 < XG < 1 0 < XK < 2 mo de semanas que se puede reducir
0 < XD < 1 0 < XI < 3 0 < XL < 1 cada actividad.
Y* = 28,5 Semanas
E 7 D 3 H 3
5 12 5 8 8 11
13,5 20,5 6,5 9,5 9,5 12,5
8,5 1,5 2
K 8 I 8 J 7 L 9
20,5 28,5 12,5 20,5 12,5 19,5 19,5 28,5
20,5 28,5 12,5 20,5 12,5 19,5 19,5 28,5
0 0 0 0
F 5 G 4
Tiempo total mínimo 7,5 12,5 7,5 11,5
del proyecto: 28.5 semanas. 7,5 12,5 15,5 19,5
Rutas críticas 0 8
C-F-J-L
C-F-I-K
Costo total mínimo:
$3’135.000 C 7,5
0 7,5
0 7,5
0
Ejemplo 4.6
En la tabla siguiente, se muestran las actividades de un pequeño proyecto, sus activi-
dades predecesoras, la duración esperada y la varianza de cada actividad.
a. Elabore el diagrama GANTT, el diagrama PERT y determine la ruta crítica, la
duración mínima esperada del proyecto, su varianza y la desviación estándar.
b. Compute la duración del proyecto con un intervalo de confianza del 95,05%
c. ¿Cuál es la probabilidad de que el proyecto dure más de 25 días ?
a)
Duración en días
Actividad 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Observación
Holgura
A
3 días
Ruta
B
crítica
Holgura
C
3 días
Holgura
D
9 días
Ruta
E
crítica
Holgura
F
4 días
Ruta
G
crítica
Holgura
H
3 días
Ruta
I
crítica
Ruta
J
crítica
Ruta Crítica: B - E - G - I - J
Duración Mínima esperada del proyecto: 21 días.
G 5
12 17
12 17
0
Nodos inicio: A,B
Nodo terminal: J
C 6 E 8 B 4 Duración mínima esperada
3 9 4 12 0 4
del proyecto: 21 días
6 12 4 12 0 4
3 0 Ruta Crítica: B - E - G - I - J
0
F 7
4 11
8 15
4
H 4 J 2
12 16 19 21
15 19 19 21
3 3
b)
Z = (Tp - Te) / σ
Tp1 Tp2 Zσ = Tp - Te
Tp = Zσ + Te
[Te - Zσ] < Tp < [Te + Zσ]
0,9505
La duración del proyecto, debe estar entre 18,713 y 23,286 semanas, para estar en
un intervalo de confianza del 95,05%
0,9997 0,0003
Z
3,42857
Precedencias Parciales
Este, es un caso más refinado que los de las relaciones que se han venido manejando
hasta el momento entre las actividades de un proyecto. En efecto, A es precedente de
B, pero, puede existir entre ellas un traslapo, debido a que la actividad B puede iniciarse
cuando una parte de la actividad A (A1), haya terminado y no tener dependencia de la
segunda parte (A2) de la actividad A., Entonces, la parte A2 de la actividad A, se traslapa
con parte de la actividad B. Se presentan, a continuación, los casos de precedencias
parciales con sus respectivos gráficos.
A B
t
A B
FS = 3
t
La actividad B puede empezar, solamente, 3 días después de haber terminado
la actividad A.
St
B A B
SS = 2
t
t < que la duración de A; La actividad B puede empezar 2
entonces, se presenta el días después de haber iniciado
traslapo la actividad A
Ejemplo:
A
Ft
B A B
FF = 4
B
Dt
A B
SF = 6
t
La actividad B puede
terminar 6 días después de
Hay traslapo cuando t es < que la duración haber iniciado la actividad
de B A
Ejemplo 4.7
Elaborar el diagrama pert, para el siguiente proyecto, con precedencias parciales. La
duración está en semanas.
A 6 A 7 C 8 D 5
0 6 S (2) 2 9 F (3) 4 12 D (11) 10 15
0 6 2 9 4 12 10 15
0 0 0 0
Cálculos de derecha a izquierda - Tiempo de inicio y terminación
más tarde de cada actividad
1. Como la actividad D tiene una precedencia tipo D, inicio a final, entonces, el tiempo
de inicio más tarde de C es igual al tiempo de finalización más tarde de D menos
el factor de retraso: 15 - 11 = 4
Diagrama PERT
A 5 B 10 C 15 F 10 G 10
F (10) S (2) F (3) D (10)
0 5 5 15 7 22 15 25 15 25
0 5 5 15 7 22 15 25 15 25
0 0 0 0 0
F (3) S (5)
D 8 E 9
10 18 D (5) 6 15
14 22 10 19
4 4
Para la actividad F, se elige arribar por el nodo precedente que arroje el mayor tiempo
de inicio más temprano para la actividad F.
Arribando por la actividad C:
Tiempo de terminación más temprano de la actividad F = 22 + 3 = 25
Tiempo de inicio más temprano de la actividad F = 25 - 10 = 15
Arribando por la actividad E:
Tiempo de inicio más temprano de la actividad F = 6 + 5 = 11
Luego, escogemos arribar al nodo F desde el nodo C, que nos ofrece el mayor tiempo
de inicio más temprano (15 v.s. 11) para la actividad F.
Tiempo de terminación más temprano de la actividad G = 15 + 10 = 25
Tiempo de inicio más temprano para la actividad G = 25 - 10 = 15
Duración mínima del proyecto 25 días.
Diagrama Gantt
Duración en días
Actividad
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
A
B
C
D
E
F
G
Actividad crítica
Actividad flotante
Holgura
Software
El WinQsb ofrece un módulo de nombre pert - cpm, muy intuitivo que permite al usuario
hacer pert determinístico, pert probabilístico, cpm y construye la gráfica de la red del
proyecto de manera automática, solamente, con la información de las actividades, sus
precedencias y duración. En el pert probabilístico ofrece, por defecto, la distribución
de probabilidad Beta Unimodal o de los tres tiempos estimados, pero, puede escoger
entre 19 distribuciones de probabilidad.
Actividad Duración
Actividad Descripción
predecesora (en días)
A Construcción de cimientos ------ 5
B Construcción de muros A 8
C Cosnstrucción del techo B 10
D Instalación eléctrica B 5
E Colocación de ventanas B 4
F Colocación de revestimientos E 6
G Pintura de la casa C, F 3
Duración
Actividad Descripción Predecesoras
(Semanas)
C=3 G=9
2 4 7
A=6 K = 12
1 D=9 H=5 9
B=4 L=9
E = 12 I=3
3 5 8
F = 10 J=4
6
Tarea Descripción a m b
A Desalojo de pasajeros 12 15 20
B Descarga del equipaje 20 25 35
C Reabastecimiento de combustible 27 30 40
D Limpieza del interior 12 15 20
E Embarque de la comida 12 15 20
F Carga del equipaje 15 20 30
G Abordaje de los pasajeros 15 20 30
H Revisión de seguridad 10 10 10
2
Usando el método CPM de trueque entre el
1 4 tiempo y el costo se obtienen los siguientes
datos, en meses y miles de pesos.
3
Normal Mínimo
Actividad
Tiempo Costo Tiempo Costo
1 a 2 8 25 5 40
2 a 4 6 16 4 24
1 a 3 9 20 7 30
3 a 4 7 27 4 45
A ------ 3 6 9
B ------ 1 3 5
C A 5 5 5
D A 4 6 7
E B 8 10 12
F B 4 9 15
G C 5 5 5
H D, E, G 2 3 6
I F 2 8 16
Solución: a) Nodos inico: A, B , b) Tiempo esperado: 41/2 = 20,5 semanas, ruta crítica:
B - F - I, c) 0,2061; 0,3121 , d) 25,52 semanas, e) $500.000 v.s. $512.100 , por lo tanto,
no debe renegociarse el contrato.
Normal Intensivo
Tarea Precedencia
Tiempo Costo Tiempo Costo
A Ninguna 9 500 8 550
B Ninguna 10 500 8 650
C Ninguna 20 1.000 16 1.400
D A 18 1.000 15 1.300
E B 7 500 5 600
F B 8 500 5 700
G D,F 12 800 9 1.000
H C,F 15 900 12 1.000
a. Eloísa quiere terminar el proyecto lo más pronto posible, al menor costo. ¿Cuánto
durará el proyecto y cuánto costará?
b. El esposo de Eloísa quiere hacer una fiesta dentro de 5 semanas (35 días) y le
gustaría mucho usar el nuevo jardín. Si no está listo, tendrán que rentar una lona.
Además, estará tan incómodo que le será necesario contratar un mesero. Todo
esto, agregaría $500.000 al costo de la fiesta. El esposo le pregunta a Eloísa que
si el jardín estará listo para la fiesta. ¿Qué debe contestar?
Tiempo en días
Tarea Descripción Predecesoras
ai mi bi
A Inspección de la casa ------ 2 4 5
B Valoración de la casa A 1 3 5
C Investigación de la propiedad ------ 3 4 6
Obtención del paz y salvo de
D ------ 3 5 10
impuestos
E Tramitación del permiso de venta D 1 2 2
F Búsqueda del posible comprador B,C,E 7 21 42
G Constitución de la hipoteca F 7 14 30
Instala 4
N2 ción d
el equ
5 ipo
ipo
equ
a de
Co mpr
l técnico y ad
ministrativo N4 Pru
Entrenamien
to del persona ebas 8
12 de
N1 equ
ipo
Cálculo del
Bús
que
da
1 presupuesto
del
me
rca
dod 6 N5
10 e ca
pita
los próxim
os 5
l iento para
N3 Financiam de producción
años
Los tiempos están dados en semanas y los costos en miles de pesos. Existe un costo
indirecto de $1.100 y un costo de penalización de $1.000, por semana, contra el
administrador del proyecto, por cada semana, después de 23 semanas.
a. ¿Cuál es el costo por completar el proyecto a tiempo normal?
b. ¿Cuál es la duración a costo total mínimo?
2
2 3
2 4 2
1 3 5 6 7
6 8
σ2 = 3 σ2 = 5
4
Solución: 0,06681
4.23. Una constructora ha estimado los tiempos que se dan en la tabla siguiente, como
necesarios para terminar cada una de las tareas que abarca la construcción de
una casa.
a. Diseñe la red de actividades; asegúrese que cumple con las actividades prede-
cesoras.
b. Calcule los cuatro tiempos y la holgura para cada actividad.
c. ¿Cuál es el tiempo mínimo del proyecto y cuáles son las actividades que perte-
necen a la ruta crítica?
Solución: c) B - A - C - D - F - I ; 23 días
4.24. Basándose en la red de actividades de la figura y en los tiempos de actividad aso-
ciados que se dan en seguida (en semanas), calcule:
a. Los cuatro tiempos y su holgura para cada actividad.
b. Es el tiempo mínimo esperado del proyecto, su varianza y las actividades de la
ruta crítica.
D
3 8
B E
Ficticia
A H J
1 2 5 7 9
C F Ficticia
I
4 6
G
Solución: a) Ruta crítica 1: ABFGH; Ruta crítica 2: ACDGH; Duración mínima: 16 días;
Costo total mínimo: $5.900.
c. b) A en 1 día; B en 2 días; C en 2 días; D en 3 días y G en 1 día.
Capítulo 5.
Análisis de decisiones
y Teoría de juegos
Introducción
En este capítulo examinaremos los criterios más aceptados por la comunidad científica
para la toma de decisiones bajo riesgo y bajo incertidumbre. También trataremos el tema
de las decisones bajo conflicto que se conocen comunmente con el nombre de teoría de
juegos, y mostraremos como se aplica el método simplex a juegos de 2xn, mx2 y mxn.
Todos los días tomamos decisiones, y es natural pretender la mejor decisión que pro-
duzca el mejor valor de utilidad. Dicho de otra forma, obtener la mejor consecuencia,
el mejor logro de nuestras decisiones.
Qué estrategia seleccionar de forma tal que se logren los objetivos planteados
con los valores máximos de utilidad.
Decisiones bajo certeza son todas aquellas que se describen con datos determinís-
ticos, tales como los problemas descritos en programación lineal, generalmente, son
las clásicas decisiones bajo fórmulas y ecuaciones que involucran solo datos conocidos,
cuyo valor es cierto y no tiene ningún componente de aleatoriedad.
Las decisiones bajo riesgo se caracterizan por tener datos aleatorios, que se pueden
describir con distribuciones de probabilidad. Aquí, los estados de la naturaleza tienen
asociado una probabilidad de ocurrencia. Cuando las consecuencias de diversas deci-
siones posibles no pueden ser conocidas de antemano, pero, se les puede atribuir un
valor de probabilidad, la existencia de tales probabilidades puede ser consecuencia del
mismo mecanismo de elección, pero, más frecuentemente, se justificará por una regula-
ridad estadística del proceso aleatorio que condiciona los resultados de las decisiones.
Las decisiones bajo incertidumbre se caracacterizan por tener datos a los que no
se les puede asociar pesos o factores de ponderación que representen su grado de
importancia en el proceso de decisión. En éste caso, el futuro es totalmente incierto,
en el sentido de que son posibles varias hipotesis, varios estados de la naturaleza, sin
que podamos atribuir a cada uno de ellos, una probabilidad objetiva deducida de las
repeticiones estadísticas o de las variaciones subjetivas de los expertos o peritos.
En la categoría de decisiones bajo conflicto se encuentran las decisiones de dos
voluntades contrarias. Se presenta, cuando el medio exterior no es un testigo pasivo de
las decisiones, sino que encierra adversarios conscientes y organizados que persiguen
un mismo objetivo.
Ejemplos:
Estados de la naturaleza
Probabilidad de cada
E1 E2 E3 E4 E5 estado de la natura-
0,2 0,4 0,2 0,1 0,1 leza.
A1 10 8 6 4 5
A2 6 6 7 6 7
Alternativas A3 7 7 6 7 5 Ahorros de los gastos
A4 8 6 6 7 5 productivos, en cien-
A5 6 5 8 9 6 tos de pesos.
Mínimo n
ó
Máximo
{E(Ai)} = ΣV(X )P
j=1
ij j ; i = 1, 2, 3, ...., m
i
Aplicando el teorema de Bayes, para eliminar los eventos aleatorios del árbol de
decisiones, valorizamos cada alternativa, obteniendo los valores que se habían obte-
nido ya, así:
E{A1} = 10(0,2) + 8(0,4) + 6(0,2) + 4(0,1) + 5(0,1) = 7,3→ Máximo ahorro esperado
E{A2} = 6(0,2) + 6(0,4) + 7(0,2) + 6(0,1) + 7(0,1) = 6,3
E{A3} = 7(0,2) + 7(0,4) + 6(0,2) + 7(0,1) + 5(0,1) = 6,6
E{A4} = 8(0,2) + 6(0,4) + 6(0,2) + 7(0,1) + 5(0,1) = 6,4
E{A5} = 6(0,2) + 5(0,4) + 8(0,2) + 9(0,1) + 6(0,1) = 6,3
Mínimo E(θi) = ΣP θ
j=1
j i ; i = 1, 2, . . . , m
Criterio de Farrar
Mínimo
i = 1, 2, 3, ...., m
ó E(Ai)+- K Var(Ai)
0 < K < 1 ; Casi siempre K = 1
Máximo
i
A3: 6,6 - 0,44 = 5,93 --> Máximo Bajo el criterio de Farrar, la mejor alterna-
tiva es A3
A4: 6,4 - 0,84 = 5,48
n
Máximo i Σ
j=1
Pj ; i = 1, 2, . . . , n ; Para todo (V{X } > K)
ij
Ejemplo 5.2
El próximo año, Maria Isabel quiere invertir en la compra de acciones de una de dos
compañías A y B. Las acciones de la compañía A pueden producir un rendimiento de
$5.000 si el mercado de acciones está al alza; si el mercado está a la baja se obtendrá
una pérdida de $2.000. Las acciones de la compañía B produciran un rendimiento de
$1.500, si el mercado se comporta al alza; de lo contrario (mercado a la baja), el rendi-
miento será de $500.
Maria Isabel decide contratar una investigación, la cual da como resultado las probabi-
lidades a posteriori siguientes:
La probabilidad de invertir si el mercado está al alza, es de 0,9
La probabilidad de no invertir si el mercado está al alza, es de 0,1
La probabilidad de invertir cuando el mercado está a la baja, es de 0,5
La probabilidad de no invertir cuando el mercado está a la baja, es 0,5
a. Construya un árbol de decisiones.
b. Evalue las alternativas y tome una decisión.
a. Alternativas
A1 = Comprar acciones de la compañía A
A2 = Comprar acciones de la compañía B
Estados de la naturaleza
E1 = Mercado al alza con una probabilidad a priori de 0,6
E2 = Mercado a la baja con una probabilidad a priori de 0,4
Matriz de decisión
Estados de la naturaleza
E1 E2
0,6 0,4
A1 5.000 -2.000
Alternativas
A2 1.500 500
c. Árbol de decisiones
E1 (0,6)
A1 $5.000
2
-$2.000
E2 (0,4)
1 E1 (0,6)
$1.500
3
A2
$500
E2 (0,4)
Con el criterio del valor esperado de Bayes, valorizamos los eventos aleatorios
2 y 3, así:
E(A1) = 0,6(5.000) - 0,4(2.000) = $2.200 ---> Máximo
E(A2) = 0,6(1.500) + 0,4(500) = $1.100
Según el criterio del valor esperado, lo mejor es optar por la alternativa A1: Com-
prar acciones de la compañía A.
Árbol de decisiones
E1 E2
P{E1} = 0,6 P{E2} = 0,4
C1 P{C1/E1} = 0,9 P{C1/E2} = 0,5
P(C1∩E1)
P(C1 /E1) = ⇒ P(C1∩E1) = P(E1) P(C1 /E1) = (0,6)(0,9) = 0,54
P(E1)
P(C1∩E2)
P(C1 /E2) = ⇒ P(C1∩E2) = P(E2) P(C1 /E2) = (0,4)(0,5) = 0,20
P(E2)
P(C2∩E1)
P(C2 /E1) = ⇒ P(C2∩E1) = P(E1) P(C2 /E1) = (0,6)(0,1) = 0,06
P(E1)
P(C2∩E2)
P(C2 /E2) = ⇒ P(C2∩E2) = P(E2) P(C2 /E2) = (0,4)(0,5) = 0,20
P(E2)
2 2
E1 E2
P{E1} = 0,6 P{E2} = 0,4
P{C1/E1} = 0,9 P{C1/E2} = 0,5
C1
P{C1∩E1} = 0,54 P{C1∩E2} = 0,20
P{C2/E1} = 0,1 P{C2/E2} = 0,5
C2
P{C2∩E1} = 0,06 P{C2∩E2} = 0,20
E1 E2
P{E1} = 0,6 P{E2} = 0,4
E1 E2
P{E1} = 0,6 P{E2} = 0,4
P{C1/E1} = 0,9 P{C1/E2} = 0,5
C1
P{C1∩E1} = 0,54 P{C1∩E2} = 0,20
P{C1} = 0,74
P{E1∩C1} = 0,73 P{E2∩C1} = 0,27
P{C2/E1} = 0,1 P{C2/E2} = 0,5
C2
P{C2∩E1} = 0,06 P{C2∩E2} = 0,20
P{C2} = 0,26
P{E1∩C2} = 0,23 P{E2∩C2} = 0,77
Ahora, completamos la información en el árbol de decisiones y lo valorizamos, así:
Al correr el programa, se puede hallar la valoración para cada nodo o evento, siendo
el valor esperado de toda la red $2.491,20
Decisión
5.000,00
3.110,00 Evento 8
73,00%
Aleatorio 4 -2.000,00
Evento 9
27,00%
74,00%
2 3.110,00
1.500,00
Evento 10
73,00%
5 500,00
1.230,00 Evento 11
27,00%
2.491,20 1
5.000,00
-390,00 Evento 12
23,00%
6 -2.000,00
Evento 13
77,00%
3 730,00
26,00% 1.500,00
Evento 14
23,00%
730,00
7 500,00
Evento 15
77,00%
Ejemplo 5.3
Una productora de series de televisión acaba de firmar un contrato para producir un
nuevo programa. El presidente de la empresa le ha pedido a usted, que determine la
inversión inicial para el programa piloto de tres horas y por los siguiente 22 episodios
de una hora de la serie. Para ello, se han definido las siguientes alternativas de decisión:
• Alternativa 1: Los actores protagonistas del programa no tienen un reconocimiento
importante.
• Alternativa 2: El actor principal tiene reconocimiento, pero, no así, ninguno de los
coprotagonistas.
• Alternativa 3: Más de uno de los actores tiene reconocimiento.
Se han definido los siguientes tres posibles estados de la naturaleza:
Criterio de Wald
Para éste problema que tiene los valores de utilidad de beneficio (ganancia),
aplicamos el maximin.
E1 E2 E3 Mínimo Máximo S e g ú n e l c r i te r i o d e Wa l d,
debemos escoger la alternativa
A1 -2 5 8 -2 -2
A 1 : Los actores protagonistas
A2 -5 10 12 -5 del programa no tienen un
-8 reconocimiento importante.
A3 -8 6 15
Criterio de hurwicz
Según el criterio de Hurwicz, se debe escoger la alternativa A3: Más de uno de los
actores tiene reconocimiento.
Criterio de Laplace
n
a) Para problemas de costos: Min {1/n V(Xij)}
j=1
Σ
i
n
b) Para problemas de beneficio: Max {1/n V(Xij)}
j=1
Σ
i
n
1/n Σ V(X )
ij
Máximo i
E1 E2 E3 j=1
Una pregunta frecuente es: ¿Cuál es el mejor criterio? Una respuesta justa a esta pre-
gunta, se podrá obtener cuando ocurra el estado de la naturaleza y se pueda comparar
nuestra decisión a priori, contra el suceso a posteriori. Sin embargo, con una tabla de
ordenamiento se puede escrutar la tendencia de consenso de los diferentes criterios.
Bajo el criterio de Wald, la alternativa 1 ocupa el primer lugar; la 2, ocupa el segundo
lugar y la 3, ocupa el tercer lugar. De la misma manera, se pueden ordenar las alterna-
tivas bajo los otros diferentes criterios. Al colocar dichos ordenamientos en una tabla
de doble entrada, se observará la tendencia de cada alternativa.
Aquí, se observa que la alternativa 2 tiene menos dispersión que las alternativas
1 y 3. Una manera de corroborarlo es obteniendo la suma de las filas: 10, 6 y 8, siendo
efectivamente menor, la suma de la fila correspondiente a las posiciones de ordena-
miento de la alternativa 2.
Ejemplo 5.4
Gloria Isabel es la gerente de un almacén de frutas. Ella necesita abastecer su inventario
de uvas. Su proveedor normal le surte todas las cajas que pida. Sin embargo, como ya
están maduras, deberá venderlas mañana y después, desechar las que quedan. Gloria
Isabel pronostica que mañana podrá vender 10, 11, 12 ó 13 cajas. Compra la caja de uvas
en $3 y las vende en $8. Gloria Isabel necesita decidir cuántas cajas comprar; para ello,
verifica los registros de ventas diarias y con base en ellos, estima que las probabilidades
a priori de vender 10, 11, 12 ó 13 cajas de uvas son: 0,2 ; 0,4 ; 0,3 y 0,1, respectivamente.
a. Defina claramente las alternativas, los estados de la naturaleza y los valores de
utilidad, y construya la matriz de decisión.
Alternativa 1: Comprar 10 cajas de uvas.
Alternativa 2: Comprar 11 cajas de uvas.
Alternativa 3: Comprar 12 cajas de uvas.
Alternativa 4: Comprar 13 cajas de uvas.
Estado de la naturaleza 1: Vender 10 cajas de uvas.
Estado de la naturaleza 2: Vender 11 cajas de uvas.
Estado de la naturaleza 3: Vender 12 cajas de uvas.
Estado de la naturaleza 4: Vender 13 cajas de uvas.
Valores de utilidad
V(X11) = 8(10) - 3(10) = $50 Fíjese, que si decide compar 10 cajas de uvas,
V(X12) = 8(10) - 3(10) = $50 podrá vender como máximo 10 cajas de uvas, así
V(X13) = 8(10) - 3(10) = $50 la demanda sea superior a las 10 cajas de uvas
V(X14) = 8(10) - 3(10) = $50 disponibles para la venta.
V(X21) = 8(10) - 3(11) = $47 Si Gloria Isabel decide comprar 11 cajas de uvas,
V(X22) = 8(11) - 3(11) = $55 como máximo podrá vender 11 cajas de uvas, así
V(X23) = 8(11) - 3(11) = $55 la demanda sea mayor de 11 cajas de uvas.
V(X24) = 8(11) - 3(11) = $55
Matriz de decisión
Estados de la naturaleza
Alternativas
E1 E2 E3 E4
P{E1} = 0,2 P{E2} = 0,4 P{E3} = 0,3 P{E4} = 0,1
A1 50 50 50 50
A2 47 55 55 55
A3 44 52 60 60
A4 41 49 57 65
b. Cuántas cajas de uvas debe comprar Gloria Isabel, si usa el criterio del máximo
pago?
El criterio del máximo pago = Maximin, por lo tanto, escoja el máximo de los
mínimos.
Mínimo Máximo Según el criterio del máximo
pago (Maximin), Gloria Isabel
50 50 50 50 50 50
debe comprar 10 cajas de uvas.
47 55 55 55 47
44 52 60 60 44
41 49 57 65 41
E1 E2 E3 E4
0,2 0,4 0,3 0,1
Máxima probabilidad: 0,4 del estado E2 =
A1 50 50 50 50 Demanda de 11 cajas. Mayor pago de dicho
A2 47 55 55 55 estado: $55, que corresponde a la alternativa
2: Comprar 11 cajas de uvas.
A3 44 52 60 60
A4 41 49 57 65
E1 E2 E3 E4
0,2 0,4 0,3 0,1
A1 50 50 50 50 50(0,2) + 50(0,4) + 50(0,3) + 50(0,1) = 50,0
A2 47 55 55 55 47(0,2) + 55(0,4) + 55(0,3) + 55(0,1) = 53,4
A3 44 52 60 60 44(0,2) + 52(0,4) + 60(0,3) + 60(0,1) = 53,6 Máximo
A4 41 49 57 65 41(0,2) + 49(0,4) + 57(0,3) + 65(0,1) = 51,4
Según el criterio de Thomas Bayes, Gloria Isabel debe comprar 12 cajas de uvas.
e. Gloria Isabel piensa que tiene correctas las probabilidades a priori para la venta
de 10 y 13 cajas de uvas, pero, no está segura de como asignar las probabilidades
para la demanda de 11 y 12 cajas de uvas. Aplique de nuevo la regla de deci-
sión de Bayes, cuando las probabilidades a priori de vender 11 y 12 cajas son:
1) 0,2 y 0,5
E1 E2 E3 E4
0,2 0,2 0,5 0,1
A1 50 50 50 50 50(0,2) + 50(0,2) + 50(0,5) + 50(0,1) = 50,0
A2 47 55 55 55 47(0,2) + 55(0,2) + 55(0,5) + 55(0,1) = 53,4
A3 44 52 60 60 44(0,2) + 52(0,2) + 60(0,5) + 60(0,1) = 55,2 Máximo
A4 41 49 57 65 41(0,2) + 49(0,2) + 57(0,5) + 65(0,1) = 53,0
Según el criterio de Thomas Bayes, Gloria Isabel debe comprar 12 cajas de uvas.
2) Probabilidades a priori 0,3 y 0,4
E1 E2 E3 E4
0,2 0,3 0,4 0,1
A1 50 50 50 50 50(0,2) + 50(0,3) + 50(0,4) + 50(0,1) = 50,0
A2 47 55 55 55 47(0,2) + 55(0,3) + 55(0,4) + 55(0,1) = 53,4
A3 44 52 60 60 44(0,2) + 52(0,3) + 60(0,4) + 60(0,1) = 54,4 Máximo
A4 41 49 57 65 41(0,2) + 49(0,3) + 57(0,4) + 65(0,1) = 52,2
Según el criterio de Thomas Bayes, Gloria Isabel debe comprar 12 cajas de uvas.
E1 E2 E3 E4
0,2 0,5 0,2 0,1
50(0,2) + 50(0,5) + 50(0,2) + 50(0,1) = 50,0
A1 50 50 50 50
47(0,2) + 55(0,5) + 55(0,2) + 55(0,1) = 53,4 Máximo
A2 47 55 55 55
44(0,2) + 52(0,5) + 60(0,2) + 60(0,1) = 52,8
A3 44 52 60 60
41(0,2) + 49(0,5) + 57(0,2) + 65(0,1) = 50,6
A4 41 49 57 65
Según el criterio de Thomas Bayes, Gloria Isabel debe comprar 11 cajas de uvas.
f. Ahora, Gloria Isabel consiguió vender las uvas no vendidas durante el día a la
mitad del precio en que las compró. Calcule la nueva matriz de pagos y con las
probabilidades iniciales de los estados de la naturaleza use el criterio del valor
esperado para tomar una decisión.
V(X41) = 8(10) - 3(13) + 1,5(3) = $45,50 --> Compra 13 cajas a $3 por unidad;
V(X42) = 8(11) - 3(13) + 1,5(2) = $52 vende 10 cajas a $8 por unidad; le
V(X43) = 8(12) - 3(13) + 1,5(1) = $58,50 sobran 3 cajas que vende a $1,5
V(X44) = 8(13) - 3(13) = $65 por unidad.
Matriz de pagos
Estados de la naturaleza
Alterna-
E1 E2 E3 E4
tivas
P{E1} = 0,2 P{E2} = 0,4 P{E3} = 0,3 P{E4} = 0,1
A1 50 50 50 50
A2 48,50 55 55 55
A3 47 53,50 60 60
A4 45,50 52 58,50 65
E1 E2 E3 E4
0,2 0,4 0,3 0,1
A1 50 50 50 50
A2 48,5 55 55 55
A3 47 53,5 60 60
A4 45,5 52 58,5 65
Según el criterio del valor esperado y con los nuevos valores de utilidad, la mejor
decisión es comprar 12 cajas de uvas.
Ejemplo 5.5
Flor Eloísa Sánchez es una inversionista muy rica que ha construido una fortuna con
su habilidad para las inversiones. En éste momento, quiere tomar la decisión de hacer
una inversión y dispone de las siguientes tres (3) alternativas.
• Alternativa 1: Inversión conservadora, que tiene un buen desempeño en una
economía que mejora y sólo tiene una pérdida pequeña en una economía que
empeora.
• Alternativa 2: Inversión especulativa, que se desempeña muy bien en una economía
que mejora, pero, muy mal, en una economía que empeora.
• Alternativa 3: Inversión liberal, que pierde algún dinero en una economía que
mejora, pero, se desempeña muy bien en una economía que empeora.
Flor Eloísa piensa que existen tres (3) estados de la naturaleza posibles.
• Estado de la naturaleza 1: Economía que mejora.
• Estado de la naturaleza 2: Economía estable.
• Estado de la naturaleza 3: Economía que empeora.
Flor Eloísa ha consultado las revistas especializadas en economía y ellas, asignan las
probabilidades a priori de 0,1; 0,5 y 0,4 respectivamente, a cada uno de los tres posibles
estados de la naturaleza o escenarios económicos.
a. Bajo el criterio del pago maximin, ¿Qué tipo de inversión debe hacer Flor Eloísa
Sánchez?
E1 E2 E3 M a x i m i n
0,1 0,5 0,4 Min Max Bajo este criterio, Flor
A1 30 5 -10 Eloisa debe hacer una
-10 -10 inversión conservadora o
A2 40 10 -30 una inversión liberal; con
-30
ambas, espera perder $10.
A3 -10 0 15 -10 -10
c. Bajo el criterio del valor esperado de Bayes, ¿Qué decisión debe hacer?
E1 E2 E3
0,1 0,5 0,4
A1 30 5 -10 E(A1) = 30(0,1) + 5(0,5) - 10(0,4) = 1,5
Según este criterio, Eloísa debe hacer una inversión liberal, para esperar una
ganancia de |$5.
Flor Eloísa decide que la regla de decisión del valor esperado de Bayes es el
criterio más confiable. Cree que 0,1 está bien como probabilidad a priori para una
economía que mejora, pero, no sabe como repartir el resto (0,9) de la probabilidad,
entre la economía estable y la economía que empeora. En atención a lo anterior,
quiere realizar un análisis de sensibilidad respecto a estas dos probabilidades.
E1 E2 E3
0,1 0,3 0,6
A1 30 5 -10 E(A1) = 30(0,1) + 5(0,3) - 10(0,6) = -15
A2 40 10 -30 E(A2) = 40(0,1) + 10(0,3) - 30(0,6) = -11
A3 -10 0 15 E(A3) = -10(0,1) + 0(0,3) + 15(0,6) = 8 Máximo
E1 E2 E3
0,1 0,7 0,2
A1 30 5 -10 E(A1) = 30(0,1) + 5(0,7) - 10(0,2) = 4,5
A2 40 10 -30 E(A2) = 40(0,1) + 10(0,7) - 30(0,2) = 5 Máximo
A3 -10 0 15 E(A3) = -10(0,1) + 0(0,7) + 15(0,2) = 2
Con estas probabilidades y bajo el criterio de Bayes, Flor Eloísa debe hacer una
inversión especulativa, para obtener una ganancia esperada máxima de $5.
Ganancia Esperada
A1
A3 A2
E(A2) = 40p - 23
12.5
E(A1) = 15p - 6
Probabilidad a priori de E2
(economía estable)
-6 E(A3) = -15p + 12,5
37/60 17/25
0,616 0,68
-23
Para encontrar los valores críticos, debemos calcular el punto de corte entre E(A1)
y E(A3) ; E(A1) y E(A2)
Regla de decisión:
Si p < 37/60 , entonces debe escoger la alternativa A3
Si p = 37/60 , entonces debe escoger las alternativa A3 ó A1
Si 37/60 < p < 17/25 , entonces debe escoger la alternativa A1
Si p > 17/25 , entonces debe escoger la alternativa A2
Si p = 17/25 , entonces debe escoger la alternativa A1 ó A2
E1 E2 E3
0,1 P 0,9-P
A1 30 5 -10 E(A1) = 15p - 6
Si p = 0 Si p = 0,5
E(A1) = 15(0) - 6 = -6 E(A1) = 15(0,5) - 6 = 1,5
E(A2) = 40(0) - 23 = -23 E(A2) = 40(0,5) - 23 = -3
E(A3) = -15(0) + 12,5 = 12,5 Máximo E(A3) = -15(0,5) + 12,5 = 5 Máximo
Si p = 0,1 Si p = 0,6
E(A1) = 15(0,1) - 6 = -4,5 E(A1) = 15(0,6) - 6 = 3
E(A2) = 40(0,1) - 23 = -19 E(A2) = 40(0,6) - 23 = 1
E(A3) = -15(0,1) + 12,5 = 11 Máximo E(A3) = -15(0,6) + 12,5 = 3,5 Máximo
Si p = 0,2 Si p = 37/60
E(A1) = 15(0,2) - 6 = -3 E(A1) = 15(37/60) - 6 = 13/4 Máximo
E(A2) = 40(0,2) - 23 = -15 E(A2) = 40(37/60) - 23 = 5/3
E(A3) = -15(0,2) + 12,5 = 9.5 Máximo E(A3) = -15(37/60) + 12,5 = 13/4 Máximo
Si p = 0,3 Si p = 17/25
E(A1) = 15(0,3) - 6 = -1,5 E(A1) = 15(17/25) - 6 = 21/5
E(A2) = 40(0,3) - 23 = -11 E(A2) = 40(17/25) - 23 = 21/5 Máximo
E(A3) = -15(0,3) + 12,5 = 8 Máximo E(A3) = -15(17/25) + 12,5 = 23/10
Si p = 0,4 Si p = 0,7
E(A1) = 15(0,4) - 6 = 0 E(A1) = 15(0,7) - 6 = 4,5
E(A2) = 40(0,4) - 23 = -7 E(A2) = 40(0,7) - 23 = 5 Máximo
E(A3) = -15(0,4) + 12,5 = 6.5 Máximo E(A3) = -15(0,7) + 12,5 = 2
12,50
4,20
3,25
P = Probabilidad
a priori de una
37/60 17/25
economía estable.
Teoría de juegos
Se refiere a las decisiones con incertidumbre, involucrando dos o más oponentes in-
teligentes, donde cada aspirante pretende optimizar su propia decisión, pero a costa
de los otros.
Elementos de la matriz de juegos de dos personas y suma cero: En juegos que
examinaremos aquí, sólo intervendran dos personas y lo que gane una de ellas, lo
pierde la otra, de tal forma, que la suma de las dos cifras es cero; por eso se les llama
«de suma cero».
Ejemplo 5.6
Consideremos un juego de igualar monedas, en el cual, cada uno de dos jugadores
A y B elige cara (C) o sello (S). Si son iguales los dos resultados, esto es: C y C o S y
S, el jugador A gana $5 al jugador B; de otra manera, A pierde $5 que paga al jugador B.
En este juego, cada jugador tiene dos estrategias, esto genera, una matriz de di-
mensión 2x2, en términos de pagos al jugador A.
Jugador B
C S Estrategias del jugador B
Jugador A
C
S
5
-5
-5
5 t Pagos para el jugador A
t
Métodos de solución
R Estrategia
Simple n 1. Método lógico
2. Principio de la dominancia
3. Criterio Minimax - Maximin
Metodología
de
S
n
Solución
Estrategia 1. Método gráfico o
n
2xn o mx2
T
Mixta Método Simplex
2. Método Simplex, m, n > 2
Jugador B
1 2 3 4
1 8 2 9 5
Jugador A 2 6 5 7 18
3 7 3 -4 10
Fíjese que la mayoría de elementos de la matriz de pagos son a favor del jugador A,
tanto en número como en cantidad, de ahí que, es natural pensar que el juego lo gane
el jugador A, pero no sabemos con cuánto ni con qué alternativa lo logra.
Jugador B Maximin
1 2 3 4 Min. Max.
1 8 2 9 5 2
Jugador A 2 6 5 7 18 5 5
3 7 3 -4 10 -4
Minimax Máx. 8 5 9 18
Min. 5
Ejemplo 5.8
Considere la siguiente matriz de pagos que representa la ganancia del jugador A.
Jugador B
1 2 3
1 0 -2 2
Jugador A
2 5 4 -3
Jugador B Maximin
1 2 3 Min Max
1 0 -2 2 -2 -2
Jugador A
2 5 4 -3 -3
-2 ≠ 2
Max 5 4 2 No hay punto de silla
Minimax Min 2
Las anteriores evaluaciones del juego, establecen que tiene solución bajo estrategia
mixta, es decir, los jugadores usarán más de una estrategia; esto, nos lleva a pensar que
el uso de una estrategia tiene una probabilidad de ser escogida; además, como uno
de los dos jugadores (jugador A), sólo tiene 2 estrategias, él hará uso de ellas. Aquí, se
puede formular un problema de programación lineal, pero como uno de los dos juga-
dores tiene solo dos (2) estrategias disponibles, podemos usar el método gráfico, que
permite representar en un plano cartesiano el comportamiento del juego y establecer
la probabilidad de uso de cada alternativa, el valor del juego, las estrategias mixtas que
se usarán y quién gana el juego. Reservamos el uso de la programación lineal, para
problemas, en donde ambos jugadores, disponen de más de dos alternativas.
Método gráfico
Asignamos a cada alternativa una probabilidad de ser escogida. Para las alternativas
del jugador A usamos Xi; para las alternativas del jugador B, Yj . Por las propiedades de
las probabilidades establecemos las dos relaciones siguientes y el aspecto de nuestra
matriz de pagos, es:
Jugador B
1 2 3
2
Y1 Y2 Y3
Σ X =1 3
Σ
i
i=1
1 X1 0 -2 2 Y =1
j
j=1
Jugador A X1 + X2 = 1
2 X2 5 4 -3 X2 = 1 - X1 Y1 + Y2 + Y3 = 1
Ahora, establecemos los valor esperados para todas las posiblidades del juego
Fíjese, que las ecuaciones de los pagos esperados de A quedaron en función de una
sola variable independiente, luego son graficables en un plano cartesiano, en atención
a su característica de ser de tipo lineal.
Pagos Pagos
esperados esperados
5 P1
4
P2
2
-6X1 + 4 = 5X1 - 3 X2 = 1 - X1
4 + 3 = 5X1 + 6X1 X2 = 1 - 7/11
11X1 = 7 X2* = 4/11 = 0,36
X1 = 7/11 = 0,63
*
Jugador B
1 2 3 Maximin
0 5/11 6/11 Min Max
Ejemplo 5.9
Considere el siguiente juego de 3x3
Lo primero que debemos hacer, es intentar encontrar una solución con estrategia
simple, esto es, observar si hay punto de silla; si no la hay, empleamos el método simplex.
Jugador B Maximin
1 2 3 Min. Max.
1 3 -1 -3 -3 -3
Jugador A 2 -3 3 -1 -3 -3
3 -4 -3 3 -4
Minimax Max. 3 3 3
Min. 3 3 3
No existe punto de silla. Por consiguiente, el juego tiene solución con estrategia
mixta y su valor está entre -3 y 3
Jugador B
1 2 3
1 8 4 2
Jugador A 2 2 8 4
3 1 2 8
Jugador B
1 2 3
Y1 Y2 Y3
1 X1 8 4 2
Jugador A 2 X2 2 8 4
3 X3 1 2 8
Maximin
Pagos esperados de B bajo estrategias puras de A
Minimax
Pagos esperados de A bajo estrategias puras de B:
8X1 + 2X2 + X3
4X1 + 8X2 + 2X3
2X1 + 4X2 + 8X3
8Y1 + 4Y2 + 2Y3 < V Como el jugador B usa el criterio Maximin, escoge el valor
2Y1 + 8Y2 + 4Y3 < V esperado mayor y ese será el valor del juego, entonces,
cada valor espera ser menor o igual al valor del juego.
Y1 + 2Y2 + 8Y3 < V
Y1 + Y2 + Y3 = 1
Yj > 0 ; j = 1, 2, 3
Min Z = V
c.s.r.
8(Y1/V) + 4(Y2/V) + 2(Y3/V) < 1 Haciendo el siguiente cambio de variable y la
2(Y1/V) + 8(Y2/V) + 4(Y3/V) < 1 siguiente propiedad:
(Y1/V) + 2(Y2/V) + 8(Y3/V) < 1
Yj Min Z = V
Y1/V + Y2/V + Y3/V = 1/V Yj = equivale a
V Max W = 1/V
Yj > 0 ; j = 1, 2, 3
Max. W = Y1 + Y2 + Y3 Max. W = Y1 + Y2 + Y3
c. s. r. c. s. r.
8Y1 + 4Y2 + 2Y3 ≤ 1 8Y1 + 4Y2 + 2Y3 + Y4 ≤ 1
2Y1 + 8Y2 + 4Y3 ≤ 1 2Y1 + 8Y2 + 4Y3 + Y5 ≤ 1
Y1 + 2Y2 + 8Y3 ≤ 1 Y1 + 2Y2 + 8Y3 + Y6 ≤ 1
Yj > 0 ; j = 1, 2, 3 Yj > 0 ; j = 1, 2, 3, 4, 5, 6
Cj → 1 1 1 0 0 0
b/a
↓ V.B. b Y1 Y2 Y3 Y4 Y5 Y6
1 Y1 1/8 1 1/2 1/4 1/8 0 0 1/2 (-2)(-1)
0 Y5 3/4 0 7 7/2 -1/4 1 0 3/14
0 Y6 7/8 0 3/2 31/4 -1/8 0 1 7/62 → (4/31)
Wj - Cj 1/8 0 -1/2 -3/4 1/8 0 0
↑
Cj → 1 1 1 0 0 0
b/a
↓ V.B. b Y1 Y2 Y3 Y4 Y5 Y6
1 Y1 3/31 1 14/31 0 4/31 0 -1/31 0,21
0 Y5 11/31 0 196/31 0 -6/31 1 -14/31 0,056 → 31/196
1 Y3 7/62 0 6/31 1 -1/62 0 4/31 0,583 (-7/2)(-1/4)
Wj - Cj 13/62 0 -11/31 0 7/62 0 3/31
↑
Cj → 1 1 1 0 0 0
↓ V.B. b Y1 Y2 Y3 Y4 Y5 Y6
1 Y1 1/14 1 0 0 1/7 -1/14 0 (-14/31)(-6/31)
1 Y2 11/196 0 1 0 -3/98 31/196 -1/14
1 Y3 5/49 0 0 1 -1/98 -3/98 1/7
Wj - Cj 45/196 0 0 0 5/49 11/196 1/14
W
Solución para el jugador B:
Y*3 5/49
Y=
*
3 = = 4/9
W 45/196
1
X*3 1/14
X=
*
3 = = 14/45
W 45/196
1
Max Z = V
c.s.r.
8(X1/V) + 2(X2/V) + (X3/V) > 1 Haciendo el siguiente cambio de variable y la
4(X1/V) + 8(X2/V) + 2(X3/V) > 1 siguiente propiedad:
2(X1/V) + 4(X2/V) + 8(X3/V) > 1
Xj Max Z = V
X1/V + X2/V + X3/V = 1/V Xi = equivale a
Xi > 0 ; i = 1, 2, 3 V Min W = 1/V
Min. W = X1 + X2 + X3 Max. W = Y1 + Y2 + Y3
c. s. r. c. s. r.
8X1 + 2X2 + X3 ≤ 1 (Y1) 8Y1 + 4Y2 + 2Y3 ≤ 1
==>> DUAL ==>>
4X1 + 8X2 + 2X3 ≤ 1 (Y2) 2Y1 + 8Y2 + 4Y3 ≤ 1
2X1 + 4X2 + 8X3 ≤ 1 (Y3) Y1 + 2Y2 + 8Y3 ≤ 1
Xj > 0 ; j = 1, 2, 3 Yj > 0 ; j = 1, 2, 3
Software WinQsb
Ofrece en su módulo «Decision Analysis» la opción de «Juegos de dos jugadores y suma
cero», ofreciendo la siguiente interfase para capturar los datos generales del problemas,
tales como: Nombre del problema y número de estrategias por jugador:
Una vez introducidos los datos, el programa ofrece una matriz de captura de los
valores de utilidad, que se ilustra a continuación:
Problemas propuestos
5.1. En un proceso de manufactura, los lotes que tienen 8%,10%,12% ó 14% de artí-
culos defectuosos se producen respectivamente de acuerdo con las siguientes
probabilidades: 0,4; 0,3; 0,25; 0,05. Tres clientes tienen contratos para recibir lotes
del fabricante. Los contratos especifican que el porcentaje de artículos defectuosos
en los lotes enviados a los clientes A, B y C no deberán exceder de 8%, 12% y 14%,
respectivamente. Si un lote tiene un porcentaje más alto de artículos defectuosos
que lo estipulado, se incurre en una penalización de $100, por punto de porcentaje.
Por otra parte, suministrar mejor calidad que la requerida le cuesta al fabricante
$50, por punto de porcentaje. Si los lotes no se inspeccionan antes de enviarse,
¿Cuál cliente deberá tener la máxima prioridad para recibir el pedido? Use el criterio
del valor esperado.
Solución: El cliente B, con un costo esperado de $120.
5.2. Considere la siguiente matriz de pagos (Beneficio)
Solución: a) A4 b) A2 c) A2 d) A4
5.3. Dos compañías están promoviendo dos (2) productos competitivos. Cada producto
controla actualmente el 50% del mercado. Debido a recientes modificaciones en
los dos productos, la dos compañías están preparándose ahora, para lanzar nuevas
campañas publicitarias. Si ninguna de las dos compañías anuncia su producto, el
estado presente de las acciones del mercado que poseen, permanecerá sin cambio.
Sin embargo, si alguna compañía lanza una campaña más fuerte, la otra compañía,
ciertamente, perderá un porcentaje proporcional de sus clientes. Una encuesta
del mercado indicó que 50% de los clientes potenciales pueden alcanzarse por
medio de la televisión; 30%, por los periódicos y el restante 20%, mediante la radio.
El objetivo de cada compañía es seleccionar el medio publicitario o la mezcla de
medios, apropiada. Formule el problema como un juego de dos personas y suma
cero. ¿El problema tiene punto de silla? ¿Cuál es el valor del juego y qué estrategia
usarán las dos compañías? Emplee el criterio minimax - maximin.
Solución: Existe punto de silla; el valor del juego es cero; ambas compañías utilizarán
campaña publicitaria en: Televisión, Periódico y Radio.
Alternativas de B
Alternativas de A Pequeña Mediana Grande
Pequeña 6.000 5.000 2.000
Mediana 5.000 6.000 1.000
Grande 9.000 6.000 0
Demanda
Alternativas
Baja Mediana Alta
Construir 100 400.000 400.000 400.000
Construir 200 100.000 800.000 800.000
Construir 300 -200.000 500.000 1´200.000
Jugador B
1 2
1 2 4
Solución: V* = 8/3
2 2 3
Jugador A
3 3 2
4 -2 6
Jugador B
1 2 3 4
1 5 -10 9 0
Solución: V* = 3,44
2 6 7 8 1
Jugador A
3 8 7 15 2
4 3 4 -1 4
Jugador B
1 2 3 4
1 2 2 3 -1 Solución: V* = 5/2 = 2,5
Jugador A
2 4 3 2 6
Jugador B
1 2
1 -2 4
Solución: V* = 1,08
2 -2 3
Jugador A
3 3 -2
4 -2 6
Jugador B
1 2 3 4
Solución: V* = 1/2 = 0,5
1 1 3 -3 7
Jugador A
2 2 5 4 -6
5.12. Zulay es una escritora de novelas románticas. Una compañía de películas y una red
de televisión quieren los derechos exclusivos de uno de sus trabajos más conoci-
dos. Si firma con la red de televisión recibirá una suma global; pero, si firma con
la compañía de películas, el importe que recibirá dependerá de la respuesta del
mercado a la película. En la siguiente tabla, se presentan los posibles rendimientos
que puede obtenr Zulay.
Estados de la naturaleza
Decisión Taquilla Taquilla Taquilla
pequeña mediana grande
Firma con la compañía de
200.000 1´000.000 3´000.000
películas
Firma con la red de tele-
900.000 900.000 900.000
visión
Jugador B Jugador B
(a) (b)
1 2 3 4 1 2 3 4
1 8 6 2 8 1 4 -4 -5 6
Juga-
2 8 9 4 5 Juga- 2 -3 -4 -9 -2
dor A
3 7 5 3 5 dor A 3 6 7 -8 -9
4 7 3 -9 5
Solución: a) V* = 4 , b) V* = -5
5.14. Considere la siguiente matriz de pagos (Beneficios)
E1 E2 E3 E4 E5
A1 15 10 0 -6 17 No se conocen probabilidades para la
ocurrencia de los estados de la naturaleza.
A2 3 14 8 9 2
Compare las soluciones obtenidas y exprese
A3 1 5 14 20 -3 su criterio personal, ante los resultados.
A4 7 14 10 2 0
Empresa
Sindicato
Nogociación Boicot
Agresivo -5 5
Conciliador 2 -5
Pasivo -1 4
Huelga 1 2
Jugador B Jugador B
(a) (b)
1 2 3 4 1 2 3 4
1 1 9 6 0 1 3 7 -1 3
2 2 3 8 4 Jugador A 2 4 8 0 -6
Jugador A
3 -5 -2 10 -3 3 6 -9 -2 4
4 7 4 -2 -5
Jugador B Jugador B
(c) (d)
1 2 3 4 1 2 3
1 -1 9 6 8 1 3 6 1
2 -2 10 4 6 Jugador A 2 5 2 3
Jugador A
3 5 3 0 7 3 4 2 -5
4 7 -2 8 4
Jugador B
1 2 3
1 5 50 50
Jugador A 2 1 1 0,1
3 10 1 10
Verifique que las probabilidades de las estrategias (1/6, 0, 5/6) para el jugador A y
(49/54, 5/54, 0) para el jugador B son óptimas y encuentre el valor del juego.
Solución: V* = 55/6
5.18. Resuelva los siguientes juegos:
Jugador B Jugador B
(a) (b)
1 2 1 2 3
1 1 2 1 1 2 5
2 5 6 Jugador A 2 8 4 7
Jugador A 3 -7 9 3 -1 5 -6
4 -4 -3
5 2 1
Solución: a) V* = 5 b) V* = 59/14
5.19. Considere el juego que tiene la siguiente matriz de pagos
Jugador 2
Formule el problema para encontrar la
1 2 3 4
estrategia mixta óptima, de acuerdo al
1 5 0 3 1 criterio minimax - maximín y resuelvalo
empleando el método simplex.
Jugador 1 2 2 4 3 2
3 3 2 0 4 Solución: V* = 45/19
Jugador B
1 2 3 4
Y1 Y2 Y3 Y4 Solución: V* = 5/2 = 2,5
1 X1 2 2 3 -1
Jugador A
2 X2 4 3 2 6
Jugador B Jugador B
(a) (b)
1 2 3 1 2 3 4
1 6 8 6 1 -5 2 0 7
Jugador A
2 4 12 2 Jugador A 2 5 6 4 8
3 4 0 2 -3
Jugador B
(c) Solución:
1 2 3 a) V* = 6
1 1 3 11 b) V* = 4
Jugador A c) V* = 89/20 = 4,45
2 8 5 2
5.22. Una instalación recreativa debe decidir acerca del nivel de abastecimiento que
debe almacenar para satisfacer las necesidades de sus clientes, durante uno de los
días de fiesta. El número exacto de clientes no se conoce, pero, se espera que esté
en una de cuatro categorías: 200, 250, 300 ó 350. Se sugieren, por consiguiente,
cuatro niveles de abastecimiento. La tabla siguiente, proporciona los costos de
abastecimiento en miles de unidades monetarias.
Categoría de clientes
200 250 300 350
A1 5 10 18 25
Nivel de abas- A2 8 7 8 23
tecimiento A3 21 18 12 21
A4 30 22 19 15
Bajo los siguientes criterios, ¿Cuál es la mejor solución? Elabore un cuadro resumen,
ordenando las alternativas bajo los diferentes criterios y concluya una opinión
personal.
a) Criterio de Wald. b) Criterio de Hurwicz (Alfa = 0,5). c) Criterio de Laplace. d)
Criterio de Savage.
Capítulo 6.
Cadenas de Markov
Introducción
Existen algunos procesos que evolucionan en el tiempo de una manera probabilística.
Estos procesos se llaman procesos estocásticos. Si el proceso tiene la propiedad parti-
cular de que las probabilidades que describen la forma en que el proceso evolucionará
en el futuro, dependen sólo del estado actual en que se encuentra el proceso y, por lo
tanto, son independientes de los eventos ocurridos en el pasado, se le llama cadena de
Markov o proceso con la propiedad Markoviana. Dicho de otra manera, la propiedad
Markoviana establece que la probabilidad condicional de cualquier evento futuro, dado
cualquier evento pasado y el estado actual, es independiente del evento pasado y solo
depende del estado actual del proceso.
Ejemplo 6.1
Siguiente compra
Suceso n = 1
Compra actual
Suceso n = 0 % de compra % de compra % de compra
Ford Chevrolet Mazda
S1 S2 S3
S1: Ford 40 30 30
S2: Chevrolet 20 50 30
S3: Mazda 25 25 50
Fíjese que en la primera fila están el 100% de los clientes, que ahora tienen un Ford. Lo
mismo ocurre para cada una de las dos siguientes filas. Con esta información estable-
cemos la matriz de transición P
S1 S2 S3
S1 0,40 0,30 0,30
P= S2 0,20 0,50 0,30
S3 0,25 0,25 0,50
p13 = 0,30 = Probabilidad de que un cliente, que posee ahora un Ford (S1 , n = 0), pueda
comprar un Mazda, en la siguiente ocasión (S3 , n = 1).
p13 = 0,30 = Probabilidad de comprar un Mazda, siendo que en la anterior compra se
adquirió un Ford.
Fíjese que ésta última aseveración corresponde a la definición de la probabilidad con-
dicional de dos eventos A y B.
Por todo lo anterior, podemos concluir que una matriz de transición debe cumplir
con las siguientes condiciones:
1. Cada elemento pij debe ser una probabilidad, o sea, que debe tener un valor
entre 0 y 1: 0 < pij < 1
n
2. Cada fila debe sumar exactamente 1; Σ pij = 1 ; i = 1,2, . . . , m
j=1
S1 Sj Sn
S1 p11 p1j p1n
P= Si pi1 pij pin
Sm pm1 pmj pmn
0,20 Ford
0,30 0,50 Chevrolet
Comprar Ford Comprar Chevrolet (0,3)(0,5) = 0,150
0,30 Mazda
0,25 Ford
0,345
Vni = Vector de probabilidad que describe las probabilidades de los posibles estados en
n pasos, si el estado presente es Si
V21 = Este vector da la probabilidad de todas las posibles compras en 2 pasos, ya que el
cliente posee ahora un Ford (n = 0 , S1)
Fíjese que ésta información se obtiene a partir del producto: V11 P
n=2
Ford Mazda
Ford Chevrolet
Interpretaciones:
Si ahora tengo un Ford, la probabilidad de comprar un Ford, en la ocasión después de
la siguiente es de 0,295 (fidelidad a la marca).
Si ahora tengo un Ford, la probabilidad de comprar un Chevrolet, en la ocasión después
de la siguiente es de 0,345.
Si ahora tengo un Ford, la probabilidad de comprar un Mazda, en la ocasión después
de la siguiente es de 0,360.
Conclusión: Las cadenas de Markov facilitan una técnica para formular y analizar un
caso especial de problema de probabilidad.
Si el estado presente es poseer un Mazda (S3 , n = 0). ¿Cuál es la probabilidad de repetirlo,
en cada una de las respectivas etapas: n = 1 y n = 2 ?
V13 = [0,25 0,25 0,5]
V0i = 1
V1i = V0i P = P
V2i = V1i P = V0i P P = V0i P2 = P2
V3i = V2i P = V1i P P = V1i P2 = P3 Empleando la inducción
V4i = V3i P = V2i P P = V1i P P P =V1i P3 = P4 matemática
. .
. .
. .
Vni = V1i Pn-1 = Pn
V42 = V12 P3
Solución:
p21 = 0,2724 = Probabilidad de adquirir un Ford en la cuarta compra, siendo que ahora
tiene un Chevrolet.
p22 = 0,3532 = Probabilidad de adquirir un Chevrolet en la cuarta compra, siendo que
ahora tiene un Chevrolet (fidelidad a la marca).
p23 = 0,3744 = Probabilidad de adquirir un Mazda en la cuarta compra, siendo que ahora
tiene un Chevrolet.
Si se quiere una información más completa, entonces se calcula P4 ya que contendrá
a V41 , V42 , V43
Ejemplo 6.2
Tufik conduce un automóvil por un sector cuyas calles están trazadas como se indica
en la figura. Cada vez que Tufik llega a una esquina puede dar vuelta o seguir derecho
con igual probabilidad.
1 2 3
Matriz de Transición
1 2 3 4 5 6 7 8 9
1 0 1/2 0 1/2 0 0 0 0 0
2 1/3 0 1/3 0 1/3 0 0 0 0
3 0 1/2 0 0 0 1/2 0 0 0
4 1/3 0 0 0 1/3 0 1/3 0 0
5 0 1/4 0 1/4 0 1/4 0 1/4 0
6 0 0 1/3 0 1/3 0 0 0 1/3
7 0 0 0 1/2 0 0 0 1/2 0
8
0 0 0 0 1/3 0 1/3 0 1/3
9
0 0 0 0 0 1/2 0 1/2 0
Ejemplo 6.3
Determine si la siguiente matriz de transición es o no regular.
X X 0 X X
0 X X 0 X
0 0 0 X X
P= X 0 X 0 X
X X 0 0 0
X X 0 X X X X 0 X X X X X X X
0 X X 0 X 0 X X 0 X X X X X X
P2 = 0 0 0 X X 0 0 0 X X = X X X 0 X
X 0 X 0 X X 0 X 0 X X X 0 X X
X X 0 0 0 X X 0 0 0 X X X X X
X X X X X X X X X X X X X X X
X X X X X X X X X X X X X X X
X X X 0 X X X X 0 X = X X X X X
P4 =
X X 0 X X X X 0 X X X X X X X
X X X X X X X X X X X X X X X
Resumen:
Cadena de Markov
n Regular
No Regular
n
n
Ergódica
Ergódica
No Ergódica
Fíjese que los Vni se van volviendo iguales, a medida que n crece
Luego en:
Vni = Vn-1i P ó Vn+1i = Vni P entonces Vni = Vn+1i para valores grandes de n Luego existe
un vector V* tal que V* = V*P
Ahora, sea vj el j-ésimo elemento del vector de probabilidad V*. Puesto que V* es
un vector de probabilidad, debe cumplir que:
m
ΣV = 1
j=1
j
m
Σ
j=1
V =1
j
v1 + v2 + v3 = 1
3/5 17/20
-3/10 -1/20 -3/100 + 51/200 9/40
v2 = = = = 45/128
4/5 17/20 -1/25 + 17/25 16/25
-4/5 -1/20
v2 = 0,3515625
4/5 3/5
-4/5 -3/10 -6/25 + 12/25 6/25
v3 = = = = 3/8 = 0,375
4/5 17/20 -1/25 + 17/25 16/25
-4/5 -1/20
Interpretación:
• A la larga, el 27,34% de los clientes comprarán un Ford.
• A la larga, el 35,15% de los clientes comprarán un Chevrolet.
• A la larga, el 37,50% de los clientes comprarán un Mazda.
Ejemplos
1. Después de hallar un número predeterminado de partes aceptables o defectuo-
sas, se suspende una inspección secuencial.
2. Después de n horas de funcionamiento, se detiene una máquina para repararla
o remplazarla.
Un estado absorbente es aquel que tiene una probabilidad igual a cero, de ser abando-
nado, es decir, que una vez alcanzado es imposible dejarlo, y el proceso, o se detiene
completamente o se detiene para luego comenzar, a partir de algún otro estado.
Ejemplo 6.4
En una compañía se inspecciona el producto terminado de acuerdo a la siguiente política:
Se selecciona e inspecciona artículo por artículo hasta hallar uno defectuoso, o hasta
encontrar cinco artículos buenos. Se espera que el 90% de las partes sea aceptable.
Si el primer artículo inspeccionado está defectuoso, se suspende la inspección y se
rechaza el lote de producción; si el artículo está bueno, se procede a seleccionar el
segundo artículo.
Si el segundo artículo inspeccionado está defectuoso, se suspende la inspección y se
rechaza el lote de producción; si el artículo está bueno, se procede a seleccionar el
tercer artículo.
Si el tercer artículo inspeccionado está defectuoso, se suspende la inspección y se rechaza
el lote de producción; si el artículo está bueno, se procede a seleccionar el cuarto artículo.
Si el cuarto artículo inspeccionado está defectuoso, se suspende la inspección y se
rechaza el lote de producción; si el artículo está bueno, se procede a seleccionar el
quinto artículo.
Si el quinto artículo inspeccionado está defectuoso, se suspende la inspección y se re-
chaza el lote de producción; si el artículo está bueno, se acepta el lote de producción y
el proceso de inspección termina o se empieza uno nuevo, para otro lote de producción.
Los posibles estados son:
• S1(0,0) = Empieza el proceso de selección, no hay todavía una unidad de producto
ni buena ni mala.
• S2(1,0) = El primer artículo inspeccionado es bueno.
• S3(2,0) = El segundo artículo inspeccionado es bueno.
• S4(3,0) = El tercer artículo inspeccionado es bueno.
• S5(4,0) = El cuarto artículo inspeccionado es bueno.
• S6(5,0) = El quinto artículo inspeccionado es bueno. Aquí, se termina el proceso
de inspección.
• S7(0,1) = El primer artículo inspeccionado es defectuoso, el lote se rechaza y el
proceso de inspección termina.
Descripción física
Estados Unidades Unidades Observación
buenas malas
S1(0,0) 0 0 Al empezar
S2(1,0) 1 0
S3(2,0) 2 0
S4(3,0) 3 0
S5(4,0) 4 0
S6(5,0) 5 0 Absorbente
S7(0,1) 0 1 Absorbente
S8(1,1) 1 1 Absorbente
S9(2,1) 2 1 Absorbente
S10(3,1) 3 1 Absorbente
S11(4,1) 4 1 Absorbente
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11
(0,0) (1,0) (2,0) (3,0) (4,0) (5,0) (0,1) (1,1) (2,1) (3,1) (4,1)
S6 S7 S8 S9 S10 S11 S1 S2 S3 S4 S5
(5,0) (0,1) (1,1) (2,1) (3,1) (4,1) (0,0) (1,0) (2,0) (3,0) (4,0)
I O
S6 (5,0) 1 0 0 0 0 0 0 0 0 0 0
S7 (0,1) 0 1 0 0 0 0 0 0 0 0 0
S8 (1,1) 0 0 1 0 0 0 0 0 0 0 0
S9 (2,1) 0 0 0 1 0 0 0 0 0 0 0
S10 (3,1) 0 0 0 0 1 0 0 0 0 0 0
S11 (4,1) 0 0 0 0 0 1 0 0 0 0 0
S1 (0,0) 0 0.1 0 0 0 0 0 0,9 0 0 0
S2 (1,0) 0 0 0,1 0 0 0 0 0 0,9 0 0
S3 (2,0) 0 0 0 0,1 0 0 0 0 0 0,9 0
S4 (3,0) 0 0 0 0 0,1 0 0 0 0 0 0,9
S5 (4,0)
0.9 0 0 0 0 0,1 0 0 0 0 0
A N
La submatriz I es una matriz identidad y muestra la relación entre los estados absorben-
tes. Una vez se entra a un estado absorbente, la probabilidad de permanecer en él, es 1.
1 0 0 0 0 0 0,9 0 0 0
0 1 0 0 0 0 0 0,9 0 0
I-N= 0 0 1 0 0 - 0 0 0 0,9 0
0 0 0 1 0 0 0 0 0 0,9
0 0 0 0 1 0 0 0 0 0
1 -0,9 0 0 0
0 1 -0,9 0 0
I-N= 0 0 1 -0,9 0
0 0 0 1 -0,9
0 0 0 0 1
1 -0,9 0 0 0 1 0 0 0 0
0 1 -0,9 0 0 0 1 0 0 0
0 0 1 -0,9 0 0 0 1 0 0
0 0 0 1 -0,9 0 0 0 1 0
0 0 0 0 1 0 0 0 0 1
1 -0,9 0 0 0 1 0 0 0 0
0 1 -0,9 0 0 0 1 0 0 0
0 0 1 -0,9 0 0 0 1 0 0
0 0 0 1 -0,9 0 0 0 1 0
0 0 0 0 1 0 0 0 0 1
1 -0,9 0 0 0 1 0 0 0 0
0 1 -0,9 0 0 0 1 0 0 0
0 0 1 -0,9 0 0 0 1 0 0
0 0 0 1 -0,9 0 0 0 1 0
0 0 0 0 1 0 0 0 0 1
1 0 -0,81 0 0 1 0,9 0 0 0
0 1 -0,9 0 0 0 1 0 0 0 (0,9)
0 0 1 -0,9 0 0 0 1 0 0
0 0 0 1 -0,9 0 0 0 1 0
0 0 0 0 1 0 0 0 0 1
Estado
Número de pasos esperados antes de la absorción
inicial
S1 1 + 0,9 + 0,81 + 0,729 + 0,6561 = 4,0951
S2 0 + 1 + 0,9 + 0,81 + 0,729 = 3,439
S3 0 + 0 + 1 + 0,9 + 0,81 = 2,71
S4 0 + 0 + 0 + 1 + 0,9 = 1,9
S5 0+0+0+0+1=1
S1 S2 S3 S4 S5
S1 1 0,9 0,81 0,729 0,6561
S2 0 1 0,9 0,81 0,729
[I - N]-1 = S3 0 0 1 0,9 0,81
S4 0 0 0 1 0,9
S5 0 0 0 0 1
Interpretación
Si el proceso está ahora en S1:
El número de veces esperado en este estado es 1
El número de veces esperado en el estado S2 es 0,9
El número de veces esperado en el estado S3 es 0,81
El número de veces esperado en el estado S4 es 0,729
El número de veces esperado en el estado S5 es 0,6561
Si el proceso está ahora en S2:
El número de veces esperado en el estado S1 es cero, por lo tanto, no se puede regresar
del estado S2 al estado S1
El número de veces esperado en el estado S2 es 1
El número de veces esperado en el estado S3 es 0,9
El número de veces esperado en el estado S4 es 0,81
El número de veces esperado en el estado S5 es 0,729
Probabilidad = (I - N)-1 A
S6 S7 S8 S9 S10 S11
Ejemplo 6.5
Un taller de maquinaria que produce 100 piezas y cuyo diagrama de flujo de producción
con sus probabilidades es:
S1
p18 = 0,10
Máquina A
p23 = 0,90
S3 S8
p38 = 0,03
Máquina B Desechos
p45 = 0,92
S5
p58 = 0,02
Máquina C
p67 = 0,94
Empaque
y S7
transporte
Fíjese que cada sitio posible en donde podemos encontrar la pieza de producción,
se define como un estado. También se registra la probabilidad de ir de un estado i-ésimo
a un estado j-ésimo. Fíjese que todos los estados posibles son considerados; por ello,
la suma de las probabilidades de las flechas que salen de un estado es 1. Ahora consi-
deraremos algunas preguntas para observar la potencialidad y la información valiosa
que se puede lograr con las cadenas de Markov.
Interpretación de la información
Una unidad de producción que entra en la máquina A tiene una probabilidad de salir
defectuosa de 0,1 y de salir buena de 0,9.
Una unidad de producción que ingresa a la inspección A tiene una probabilidad de 0,05
de ser considerada inservible; de ser buena, del 0,9; y de ser apta para ser reprocesada
del 0,05
1. ¿Qué fracción esperada de partes comenzadas son completadas?
Descripción de los posibles estados:
S1 = La unidad de producción se encuentra en la máquina A
S2 = La unidad de producción se encuentra en la inspección A
S3 = La unidad de producción se encuentra en la máquina B
S4 = La unidad de producción se encuentra en la inspección B
S5 = La unidad de producción se encuentra en la máquina C
S6 = La unidad de producción se encuentra en la inspección C
S7 = La unidad de producción se encuentra en la sección de empaque y transporte
S8 = La unidad de producción se encuentra en la sección de desechos.
S1 S2 S3 S4 S5 S6 S7 S8
S1 0 0,9 0 0 0 0 0 0,1
S2 0,05 0 0,9 0 0 0 0 0,05
Matriz de S3 0 0 0 0,97 0 0 0 0,03
transición S4 0 0 0,04 0 0,92 0 0 0,04
S5 0 0 0 0 0 0,98 0 0,02
S6 0 0 0 0 0,03 0 0,94 0,03
S7 0 0 0 0 0 0 1 0
S8 0 0 0 0 0 0 0 1
Fíjese que los estados S7 y S8 son absorbentes. Una vez la unidad de producción se
encuentre en uno de ellos, su proceso de producción ha terminado. Observe que son
excluyentes.
S7 S8 S1 S2 S3 S4 S5 S6
Matriz de tran-
S7
S8 I
1 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 O
S1 0 0,10 0 0,90 0 0 0 0
sición transfor-
S2 0 0,05 0,05 0 0,90 0 0 0
mada
A N
S3 0 0,03 0 0 0 0,97 0 0
S4 0 0,04 0 0 0,04 0 0,92 0
S5 0 0,02 0 0 0 0 0 0,98
S6 0,94
0,03 0 0 0 0 0,03 0
1 -0,9 0 0 0 0
-0,05 1 -0,9 0 0 0
0 0 1 -0,97 0 0
I-N =
0 0 -0,04 1 -0,92 0
0 0 0 0 1 -0,98
0 0 0 0 -0,03 1
1,05 0,94 0,88 0,86 0,81 0,80
0,05 1,05 0,98 0,95 0,90 0,88
(I - N)-1 = 0 0 1,04 1,01 0,96 0,94
0 0 0,04 1,04 0,99 0,97
0 0 0 0 1,03 1,01
0 0 0 0 0,03 1,03
S7 S8
S1
1,05 0,94 0,88 0,86 0,81 0,80 0 0,1
S2
0,05 1,05 0,98 0,95 0,90 0,88 0 0,05
(I - N)-1A = S3 0 0 1,04 1,01 0,96 0,94 0 0,03
S4 0 0 0,04 1,04 0,99 0,97 0 0,04
S5 0 0 0 0 1,03 1,01 0 0,02
S6 0 0 0 0 0,03 1,03 0,94 0,03
S7 S8
S1 0,75 0,25
S2 0,83 0,17
(I - N)-1A = S3 0,88 0,12
S4 0,91 0,09
S5 0,95 0,05
S6 0,97 0,03
Tiempo estimado
Operación para cada operación
(en horas - hombre)
Máquina A 3,00
Máquina B 2,50
Máquina C 1,50
Como los datos de la primera fila de la matriz (I - N)-1 representan el número esperado de
veces que se encuentra una unidad de producción en cada centro de trabajo, entonces,
las horas-hombre totales, son el producto de las horas- hombre por cada operación por
el número de veces que se espera que una pieza esté en cada lugar de trabajo.
S1 S2 S3 S4 S5 S6
S1 1,05 0,94 0,88 0,86 0,81 0,80
S2 0,05 1,05 0,98 0,95 0,90 0,88
S3 0 0 1,04 1,01 0,96 0,94
(I - N)-1 =
S4 0 0 0,04 1,04 0,99 0,97
S5 0 0 0 0 1,03 1,01
S6 0 0 0 0 0,03 1,03
Horas-Hombre
Operación
por unidad de producción
Máquina A 3,150/0,75 = 4,200
Inspección A 0,235/0,75 = 0,313
Máquina B 2,200/0,75 = 2,930
Inspección B 0,215/0,75 = 0,286
Máquina C 1,215/0,75 = 1,620
Inspección C 0,200/0,75 = 0,266
Empaque y transporte = 0,100
9,715
4. Dados los datos sobre costos de mano de obra y de materiales, ¿Cuáles son los
costos directos esperados?
El costo de los materiales es de $15 por pieza y el de los residuos, $2 por pieza.
Costos de Operación
Solución
a)
I0 I1 I2 I3
Semana 1 Semana 2 Semana 3 ....
S1 S2 S3 S4 µne -µ
S1 P11 P12 P13 P14 en donde p=
n!
P= S2 P21 P22 P23 P24
S3 P31 P32 P33 P34 Siendo n la demanda
S4 P41 P42 P43 P44
S1 S2 S3 S4
S1 0,264 0,368 0,368 0 V*P = V*
S2 0,080 0,184 0,368 0,368 entonces
S3 0,264 0,368 0,368 0
S4 0,080 0,184 0,368 0,368
0,264 0,368 0,368 0
0,080 0,184 0,368 0,368 = [v1 v2 v3 v4]
[v1 v2 v3 v4]
0,264 0,368 0,368 0
0,080 0,184 0,368 0,368
AV = b
A-1AV = A-1b Premultiplicando por A-1, como A-1A = I
IV = A b
-1
y como IV = V, entonces:
V = A-1b
0 -1 0 0,368 mos:
-0,451 0 -1,451 0,166
Problemas propuestos
6.1. Determinar si la siguiente matriz de transición es ergódica
X X 0 X X
0 X X 0 X
p= 0 0 0 X X
X 0 X 0 X
X X 0 0 0
X X 0
p= X 0 X
0 X X
X 0 X 0
p= 0 X 0 X
X 0 X 0
0 X 0 X
0 X X 0
p= X 0 0 X
X 0 0 X
0 X X 0
6.5. Hallar el número esperado de pasos hacia la absorción, para la siguiente matriz
de transición:
S1
p = 0,1
Maquinado
S4
p = 0,05 p = 0,9
Desechos
S2
Inspección
Los estados se defi-
p = 0,05 nen así:
p = 0,9 S1 = Maquinado
S3 S2 = Inspección
Almacén de pro- S3 = Almacén
ducto terminado S4 = Desechos
6.7. Se lleva a cabo una encuesta de mercadeo de tres marcas de alimentos para el
desayuno, X, Y y Z. Cada vez que el cliente compra un nuevo paquete, puede com-
prar de la misma marca o cambiar por otra. Se han obtenido los siguientes datos
estimados que se expresan como fracciones decimales:
Se estima que en este momento el 30% de los clientes compran la marca X; 20%,
la marca Y y 50%, la marca Z, siendo éstas las condiciones iniciales:
¿Cuál será la distribución de clientes después de dos (2) periodos de tiempo?
Solución: 46,8%, 32% y 21,2%, respectivamente
6.8. En un determinado proceso de producción, cada unidad pasa por dos etapas. Al final
de cada etapa, los artículos se desechan (probabilidad de 0,2); se regresan para re-
procesarlos (probabilidad de 0,3); o pasan a la etapa siguiente (probabilidad de 0,5).
a. Describa el proceso como una cadena de Markov y establezca la matriz de
transición.
b. ¿Cuál es el número esperado de pasos hacia la absorción?
c. Si en un lote se comienzan 100 partes, ¿Cuál es el número esperado de partes
buenas que pueden completarse?
d. ¿Cuántas horas-hombre esperadas se necesitan en cada sitio si el tiempo es-
timado para cada operación en Horas-Hombre son: Etapa 1: 3,0 y Etapa 2: 2,5
e. ¿Cuáles son los costos directos esperados por unidad, si los costos por hora de
operación son: Etapa 1: $10; Etapa 2: $12; los costos por materia prima por unidad
son: $15 y los costos de los residuos por unidad son: $2?
S1 S2
S1 0,7 0,3
S2 0,5 0,5
Solución: 40%
6.12. Una computadora se inspecciona cada hora y se encuentra, que está trabajando
o descompuesta. Si está trabajando, la probabilidad de que siga trabajando la
siguiente hora es de 0,9. Si está descompuesta, se toman medidas para repararla,
lo que puede llevar más de una hora. Siempre que la computadora está descom-
puesta independientemente de cuánto tiempo haya pasado, la probabilidad de
que siga descompuesta es de 0,35
a. Demuestre que ésta, es una cadena de Markov y encuentre la matriz de tran-
sición.
b. Encuentre las probabilidades de estado estable e interprételas.
6.14. Un proceso de producción incluye una máquina que se deteriora con rapidez por
el trabajo pesado, tanto en la calidad como en la cantidad de producción, por lo
que se inspecciona al final de cada día. Inmediatamente después de la inspección,
se califica la condición de la máquina dentro de cuatro estados posibles:
Estado Condición
0 Tan buena como nueva.
1 Operable - Deterioro mínimo.
2 Operable - Deterioro mayor.
3 Inoperable y remplazable por una tan buena como nueva.
El proceso se puede modelar como una cadena de Markov con matriz de transición
de un paso, como se observa a continuación:
Estados 0 1 2 3
0 0 7/8 1/16 1/16
1 0 3/4 1/8 1/8
2 0 0 1/2 1/2
3 0 0 0 1
a. Encuentre la probabilidad de estado estable. b) Si los costos por encontrarse en
los estados 0, 1, 2, 3 son: $0, $1.000, $3.000 y $6.000, respectivamente, ¿Cuál es
el costo diario esperado con el tiempo? y c) Encuentre el tiempo de recurrencia
esperado para el estado 0; esto es, el tiempo esperado de uso de la máquina,
antes de tener que remplazarla.Solución: a) 0, 0, 0, 1 ; b) $6.000 ; c) Un (1) día
6.15. Una empresa de refrescos ha contratado a un experto en Investigación de Opera-
ciones para analizar su posición en el mercado. Están preocupados, en especial, por
su mayor competidor. El experto piensa que el cambio de marca se puede modelar
como una cadena de Markov, definiendo tres estados: El estado A representa los
clientes de la empresa de refrescos; el estado B, a los clientes de su mayor com-
petidor y el estado C, a todas las demás marcas. Los datos se toman cada mes y el
experto construye la siguiente matriz de transición:
a. Trace un diagrama de árbol de dos periodos para un cliente que compró la última
vez Cola-Cola. ¿Cuál es la probabilidad de que éste cliente compre Cola-Cola en
una segunda compra?
b. ¿Cuál es la participación en el mercado a largo plazo, para cada uno de estos
dos productos?
c. Se está planeando una campaña importante de publicidad para aumentar la
probabilidad de atraer a los clientes de Pesi-Cola. Los administradores consideran
que la nueva campaña aumentará la probablilidad de que un cliente cambie de
Pesi-Cola a Cola-Cola. en 0,15. ¿Cuál es el efecto de la campaña de publicidad
sobre las participaciones en el mercado?
Solución: a) 0,82 ; b) 50% ; 50% ; c) 60% ; 40%
6.17. Una cadena de Markov tiene las siguientes probabilidades de transición:
S1 S2 S3 S4
S1 0,5 0,3 0,1 0,1
S2 0,3 0,4 0,1 0,2 Encuentre las probabilidades de esta-
S3 0,1 0,2 0,6 0,1 do estable.
S4 0,1 0,3 0,1 0,5
S1 S2 S3 S4
a. Cuáles son los estados absorbentes?
S1 0,2 0,4 0,3 0,1 b. Para cada estado no absorbente en-
S2 0,1 0,6 0,2 0,1 cuentre la probabilidad de terminar
S3 0 0 1 0 en un estado absorbente.
S4 0 0 0 1
6.19. El contralor de la Universidad de Ibagué analizó las cuentas por cobrar y halló la
siguiente matriz de transición:
Al mes 2
Cuentas
A B Pagadas
Morosas
A B C
A 0,6 0,2 0,2
B 0,1 0,5 0,4
C 0,2 0,1 0,7
Z 0,00 0,01
z
0,02
Z=
0,03
Tp - Te
0,04
σ
0,05
f(x) =
0,06
y
0,07
-oo
1
2π
0,08
e
x2/2
0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998
3,6 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,7 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,8 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
4,0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
Anexo 2:
Σe u
X=oo
Función de distribución acumulada de Poisson
-u x
X=X !
X!
U
X 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,0952 0,1813 0,2592 0,3297 0,3935 0,4512 0,5034 0,5507 0,5934 0,6321
2 0,0047 0,0175 0,0369 0,0616 0,0902 0,1219 0,1558 0,1912 0,2275 0,2642
3 0,0002 0,0011 0,0036 0,0079 0,0144 0,0231 0,0341 0,0474 0,0629 0,0803
4 0,0000 0,0001 0,0003 0,0008 0,0018 0,0034 0,0058 0,0091 0,0135 0,0190
5 0,0000 0,0000 0,0000 0,0001 0,0002 0,0004 0,0008 0,0014 0,0023 0,0036
6 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0003 0,0006
7 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001
X 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,6671 0,6988 0,7275 0,7534 0,7769 0,7981 0,8173 0,8347 0,8504 0,8646
2 0,3010 0,3374 0,3732 0,4082 0,4422 0,4751 0,5067 0,5371 0,5662 0,5939
3 0,0996 0,1205 0,1429 0,1665 0,1911 0,2166 0,2428 0,2694 0,2962 0,3233
4 0,0257 0,0338 0,0431 0,0537 0,0656 0,0788 0,0932 0,1087 0,1253 0,1428
5 0,0054 0,0077 0,0107 0,0143 0,0186 0,0237 0,0296 0,0364 0,0441 0,0526
6 0,0010 0,0015 0,0022 0,0032 0,0045 0,0060 0,0080 0,0104 0,0132 0,0165
7 0,0001 0,0003 0,0004 0,0006 0,0009 0,0013 0,0019 0,0026 0,0034 0,0045
8 0,0000 0,0000 0,0001 0,0001 0,0002 0,0003 0,0004 0,0005 0,0008 0,0011
9 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0002
X 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,8775 0,8892 0,8997 0,9093 0,9179 0,9257 0,9328 0,9392 0,9450 0,9502
2 0,6204 0,6454 0,6691 0,6916 0,7127 0,7326 0,7513 0,7689 0,7854 0,8008
3 0,3504 0,3773 0,4040 0,4303 0,4562 0,4816 0,5064 0,5305 0,5540 0,5768
4 0,1614 0,1806 0,2007 0,2213 0,2424 0,2640 0,2859 0,3081 0,3304 0,3528
5 0,0621 0,0725 0,0837 0,0959 0,1088 0,1226 0,1371 0,1523 0,1682 0,1847
6 0,0204 0,0249 0,0300 0,0357 0,0420 0,0490 0,0567 0,0651 0,0742 0,0839
7 0,0059 0,0075 0,0094 0,0116 0,0142 0,0172 0,0206 0,0244 0,0287 0,0335
8 0,0015 0,0020 0,0026 0,0033 0,0042 0,0053 0,0066 0,0081 0,0099 0,0119
9 0,0003 0,0005 0,0006 0,0009 0,0011 0,0015 0,0019 0,0024 0,0030 0,0038
10 0,0001 0,0001 0,0001 0,0002 0,0003 0,0004 0,0005 0,0007 0,0008 0,0011
11 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0002 0,0002 0,0003
12 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001
X 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4,0
0 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1 0,9549 0,9592 0,9631 0,9666 0,9698 0,9727 0,9753 0,9776 0,9797 0,9817
2 0,8153 0,8288 0,8414 0,8532 0,8641 0,8743 0,8838 0,8926 0,9008 0,9084
3 0,5988 0,6201 0,6406 0,6603 0,6791 0,6972 0,7146 0,7311 0,7469 0,7619
4 0,3752 0,3975 0,4197 0,4416 0,4634 0,4848 0,5058 0,5265 0,5467 0,5665
5 0,2018 0,2194 0,2374 0,2558 0,2746 0,2936 0,3128 0,3321 0,3516 0,3711
6 0,0943 0,1054 0,1171 0,1295 0,1424 0,1559 0,1699 0,1844 0,1994 0,2148
7 0,0388 0,0446 0,0510 0,0579 0,0653 0,0733 0,0818 0,0909 0,1005 0,1107
8 0,0142 0,0168 0,0198 0,0231 0,0267 0,0308 0,0352 0,0401 0,0454 0,0511
9 0,0047 0,0057 0,0069 0,0083 0,0099 0,0117 0,0137 0,0160 0,0185 0,0213
10 0,0014 0,0018 0,0022 0,0027 0,0033 0,0040 0,0048 0,0058 0,0069 0,0081
11 0,0004 0,0005 0,0006 0,0008 0,0010 0,0013 0,0016 0,0019 0,0023 0,0028
12 0,0001 0,0001 0,0002 0,0002 0,0003 0,0004 0,0005 0,0006 0,0007 0,0009
13 0,0000 0,0000 0,0000 0,0001 0,0001 0,0001 0,0001 0,0002 0,0002 0,0003
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001
Bibliografía
BAZARAA, M.; JARVIS, J.; SHERALI, H. (1999) Programación Lineal y flujo en redes. Segun-
da edición, México D. F. Editorial Limusa S.A. de C.V. Grupo Noriega Editores,
Balderas 95.
CHANG, Y. WinQsb. (1998) Soporte para el software. (1998) John Wiley & Sons, Inc.
EPPEN G. D.; GOULD F. J.; SCHMIDT C. P.; Moore J. H.; Weatherford L. R. (2000) Investigación
de Operaciones en la Ciencia Administrativa. Quinta edición. Editorial Prentice –Hall.
GALLEGHER CH. HUNG, J. W. (1982) Métodos cuantitativos para la toma de decisiones en
la administración. Primera edición. México. Editorial McGraw-Hill Interamericana.
HILLIER, F. LIEBERMAN, G. (2001) Investigación de Operaciones. Séptima edición. México.
Editorial McGraw-Hill Interamericana.
LEVIN, R. KIRKPATRICK, CH. (1997) Enfoques Cuantitativos a la Administración. Novena
reimpresión. México. Compañía editorial continental S.A.
MATHUR, K. SOLOW D. (1996) Investigación de Operaciones : El arte de la toma de decisiones.
Editorial Prentice Hall Hispanoamericana S.A.
SASIENI, M. YASPAN, A. FRIEDMAN, L. (1978) Investigación de Operaciones, Métodos y
Problemas. México. Editorial Limusa.
MOSKOWITZ, H. WRIGHT, G, (1982) Investigación de operaciones. Primera edición. Londres.
Editorial Prentice Hall Internacional.
NAMAKFOROOSH, M. Investigación de operaciones. Editorial Limusa.
PRAWDA, J. (1995) Métodos y modelos de investigación de operaciones Modelos Deter-
minísticos. Volumen 1. Editorial Limusa.
PRAWDA. J. (1995) Métodos y Modelos de Investigación de Operaciones Modelos Estocásti-
cos. Volumen 2. Editorial Limusa.
RÍOS, S. RÍOS, D, MATEOS, A, MARTÍN, J. (1997) Programación lineal y aplicaciones. Edi-
torial Alfaomega S.A.
SHAMBLIN, J. STEVENS Jr. G. T. Investigación de operaciones: Un enfoque fundamental.
México. Editorial McGraw-Hill Interamericana.
SOLOW, D. KAMLESH, M. Investigación de operaciones. México. Editorial Prentice –Hall
Hispanoamericana S.A.
STEPHEN, B. (1965) Apuntes de los cursos de investigación de operaciones de la Universi-
dad de Stanford. Universidad Tecnológica de Pereira .