Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ASIGNACIÓN
TI3601 Modelos de Toma de Decisiones
Problemas de Asignación (PA)
Es un caso de programación lineal en el que los
recursos se asignan a actividades en términos de
uno a uno. Cada recurso debe asignarse de modo
único a una actividad particular o asignación
Ejemplos de asignación:
unempleado o empleada se asigna a una tarea,
una máquina se asigna a un lugar o grupo de trabajo,
J1 J2 J3 Oferta
M1 ( x11) 13 ( x12) 10 ( x13) 12 1
M2 ( x21) 15 ( x22) 11 ( x23) 13 1
M3 ( x31) 5 ( x32) 7 ( x33) 10 1
Demanda 1 1 1
PL final.
Función Objetivo:
min z = 13 x11 + 10 x12 + 12 x13
+ 15 x21 + 11 x22 + 13 x23
+ 5 x31 + 7 x32 + 10 x33
Restricciones de oferta:
x11 + x12 + x13 = 1
x21 + x22 + x23 = 1
x31 + x32 + x33 = 1
Restricciones de la demanda:
x11 + x21 + x31 = 1
x12 + x22 + x32 = 1
x13 + x23 + x33 = 1
Restricciones de no negatividad y de valor entero.
Xij = 0 o Xij = 1, para i:=1,2,3 j:=1,2,3 lo cual se interpreta como:
1: la maquina i es asignada al lugar j
0: de otra manera.
Condiciones adicionales de los PA
Todos los costos de la función objetivo deben ser
positivos (cij >=0).
El número de máquinas es igual al número de
localizaciones.
El Método Húngaro
(1) Identifique el elemento mínimo en cada fila y reste este valor de
todos los elementos de la fila.
(2) Identifique el elemento mínimo en cada columna y reste este valor
de cada elemento de la columna.
(3) Haga asignaciones de la siguiente forma:
-- Para cada fila, con un único cero disponible, que no haya sido asignado
o eliminado, marque el cero como asignado. Para cada cero que sea
asignado, cruce con una equis todos los otros ceros en la misma fila y
columna.
-- Para cada columna, repita el proceso anterior.
-- Si en una fila hay más de un cero y no se puede escoger uno por
inspección, escoja cualquiera.
-- Si en una columna hay más de un cero y no se puede escoger uno por
inspección, escoja cualquiera.
-- El proceso anterior continua hasta que todos los ceros están asignados o
cruzados.
El Método Húngaro (cont.)
(4) La asignación óptima se presenta cuando el número de celdas asignadas es igual
al número de filas (y columnas). En caso que se haya escogido un cero de manera
arbitraria puede existir una solución óptima alterna. Si no se encuentra una solución
óptima continúe con el paso siguiente.
(5) Dibuje el mínimo número de líneas verticales y horizontales necesarias para cubrir
todos los ceros y realice el siguiente procedimiento (conocido como algoritmo de
"ticking"):
-- (a) Marque todas las filas que no tienen asignación.
-- (b) Si la fila marcada tiene un cero, entonces marque la columna.
-- (c) Si la columna marcada tiene una asignación, entonces marque esa fila.
-- (d) Repita (b) y (c) estos pasos hasta que no se puedan marcar más filas o columnas.
-- (e) Dibuje una línea recta a través de todas las filas NO marcadas y las columnas SI
marcadas.
-- Este proceso se puede realizar de forma intuitiva sin seguir el proceso.
(6) Seleccione el menor valor de todos los elementos fuera de las líneas. Reste este
valor de todos los elementos fuera de las líneas y súmelo a los elementos que se
encuentran en la intersección de dos líneas. De esta manera se obtiene otra matriz
para realizar la asignación.
(7) Vuelva al paso (3) y repita el proceso hasta encontrar el valor óptimo.
Ejemplo de asignación
J1 J2 J3 J4
M1 5 9 3 6
M2 8 7 8 2
M3 6 10 12 7
M4 3 10 8 6
Se resta el elemento mínimo de cada fila
J1 J2 J3 J4
M1 2 6 0 3
M2 6 5 6 0
M3 0 4 6 1
M4 0 7 5 3
Ejemplo de asignación
Se resta el elemento mínimo de cada columna
J1 J2 J3 J4
M1 2 2 0 3
M2 6 1 6 0
M3 0 0 6 1
M4 0 3 5 3
J1 J2 J3 J4
M1 2 2 0 3
M2 6 1 6 0
M3 0 0 6 1
M4 0 3 5 3
Ejemplo de asignación
J1 J2 J3 J4
M1 2 2 0 3
M2 6 1 6 0
M3 0 0 6 1
M4 0 3 5 3
J1 J2 J3 J4
M1 0 5 2 8
M2 0 3 8 2
M3 2 0 4 7
M4 2 0 1 1
Ejemplo de asignación
J1 J2 J3 J4
M1 0 5 1 7
M2 0 3 7 1
M3 2 0 3 6
M4 2 0 0 0
J1 J2 J3 J4
M1 0 5 1 7
M2 0 3 7 1
M3 2 0 3 6
M4 2 0 0 0
Ejemplo de asignación
J1 J2 J3 J4
M1 0 5 1 7
M2 0 3 7 1
M3 2 0 3 6
M4 2 0 0 0
J1 J2 J3 J4
M1 0 4 0 6
M2 0 2 6 0
M3 3 0 3 6
M4 3 0 0 0
Asignación óptima
J1 J2 J3 J4
M1 0 4 0 6
M2 0 2 6 0
M3 3 0 3 6
M4 3 0 0 0
J1 J2 J3
M1 8 5 7
M2 15 6 2
J1 J2 J3
M1 8 5 7
M2 15 6 2
M3* 0 0 0
Maximización
W1 W2 W3 W4 Oferta
F1 (20) 3 (20 ) 5 (10 ) 7 () 6 50/30/10/
0
F2 ()2 ()5 (40 ) 8 ( 35) 2 75/35
F3 ()3 ()6 ()9 ( 25) 2 25/0al
Demanda 20 20 50 60 150
0 0 40 25
0 0
Solución Inicial:
Se obtiene la respuesta final:
x11 = 20
x12 = 20
x13 = 10
x23 = 40
x24 = 35
x34 = 25
W1 W2 W3 W4 Oferta
F1 () 3 ( 20 ) 5 ( 30) 7 () 6 50 /30 /0
F2 ( 20) 2 ()5 ()8 (55 ) 2 75 /55 /0
F3 ()3 ()6 ( 20) 9 ( 5) 2 25 /20 /0
Demanda 20 20 50 60 150
0 0 20 5
0 0
Solución Inicial
Se obtiene la respuesta final:
x12 = 20
x13 = 30
x21 = 20
x24 = 55
x33 = 20
x34 = 5
W1 W2 W3 W4 Oferta
F1 ( 20 ) 3 ()5 ()7 () 6 50 /30 6-5=1
F2 ()2 ()5 ()8 ( ) 2 75 5-2 =3
F3 ()3 ()6 ()9 ( 25 ) 2 25 6-2=4 *
Demanda 20 20 50 60 150
35
--- 5-5=0 8-7=1 2-2=0
En el ejemplo
W1 W2 W3 W4 Oferta
F1 ( 20 ) 3 ()5 ( 30 ) 7 () 6 50
F2 ()2 ( 20 ) 5 ( 20 ) 8 ( 35 ) 2 75
F3 ()3 ()6 ()9 ( 25 ) 2 25
Demanda 20 20 50 60 150
W1 W2 W3 Oferta
F1 () 2 () 1 () 5 10
F2 () 7 () 3 () 4 25
F3 () 6 () 5 () 3 20
Demanda 15 22 18 55
Solución Inicial: Z= 203
W1 W2 W3 Oferta
F1 () 2 (10) 1 () 5 10
F2 (13) 7 (12) 3 () 4 25
F3 (2) 6 () 5 (18) 3 20
Demanda 15 22 18 55
Análisis de las opciones:
Se ha calculado:
(F1,W1)= 2-1+3-7 = -3 (decremento) *
(F1,W3)= 5 - 3 + 6 - 7 + 3 - 1 = 3 (incremento)
(F2,W3)= 4 - 3 + 6 - 7 = 0 (igual)
(F3,W2)= 5 - 6 + 7 - 3 = 3 (incremento)
W1 W2 W3 Oferta
F1 (10) 2 () 1 () 5 10
F2 (3) 7 (22) 3 () 4 25
F3 (2) 6 () 5 (18) 3 20
Demanda 15 22 18 55
Con la respuesta:
x11= 10
x21= 3
x22= 22
x31= 2
x33= 18
ui + vj = cij
W1 W2 W3 Oferta Ui
F1 () 2 (10) 1 () 5 10 0
F2 (13) 7 (12) 3 () 4 25
F3 (2) 6 () 5 (18) 3 20
Demanda 15 22 18 55
Vi
Solución Inicial: Z= 203
W1 W2 W3 Oferta Ui
F1 () 2 (10) 1 () 5 10 0
F2 (13) 7 (12) 3 () 4 25 2
F3 (2) 6 () 5 (18) 3 20 1
Demanda 15 22 18 55
Vi 5 1 2
Evaluamos los costos de oportunidad
W1 W2 W3 Oferta Ui
F1 () 2 (10) 1 () 5 10 0
F2 (13) 7 (12) 3 () 4 25 2
F3 (2) 6 () 5 (18) 3 20 1
Demanda 15 22 18 55
Vi 5 1 2
Se calcula el costo de oportunidad para las celdas desocupadas con la fórmula cij - (ui + vj):
(F1,W1) = 2 - (0 + 5) = -3*
(F1,W3) = 5 - (0 + 2) = 3
(F2,W3) = 4 - (2 + 2) = 0
(F3,W2) = 5 - (1 + 1) = 3
W1 W2 W3 Oferta
F1 (10) 2 () 1 () 5 10
F2 (3) 7 (22) 3 () 4 25
F3 (2) 6 () 5 (18) 3 20
Demanda 15 22 18 55
Con la respuesta:
x11= 10
x21= 3
x22= 22
x31= 2
x33= 18
W1 W2 W3 OFERTA
F1 8 5 7 500
F2 15 6 2 300
F3* 0 0 0 200
DEMANDA 150 400 450 1000
Solución inicial Z =3300
W1 W2 W3 OFERTA
F1 8 (400) 5 (100) 7 500
F2 15 6 (300) 2 300
F3* (150) 0 0 (50) 0 200
DEMANDA 150 400 450 1000
Maximización
+-----------------------
El "valor esperado de la
información perfecta" (VEIP)
|
|
|
| CNP 45,000
información imperfecta" (UII)
| +-----------------------
--------(1)+-------------------------------[3]+-----------------------
| |
VEIP = 76,000 - 51,000
| | Con máquina 55,000 VEIP = $25,000
| +-----------------------
| CNP 45,000
| +-----------------------
| |
+---------------------------------[4]+-----------------------
+-----------------------
Nueva información
Cuando se está a punto de tomar la decisión de qué hacer con la finca, se recibe una llamada
telefónica de un servicio metereológico ofreciendo la venta de un estudio atmosférico de la humedad
para la próxima temporada. Aparentemente la humedad es un factor importante para determinar el
nivel de lluvia.
El precio del estudio es de $5,000. El estudio indicará si la humedad es alta, lo que suele producir
lluvias más fuertes, o si la humedad es baja, lo que suele producir pocas lluvias.
El servicio metereológico es una firma conocida y de buena reputación. Sus pronósticos han sido muy
acertados. Naturalmente no son infalibles.
En el pasado, los pronósticos del metereológico indicaron humedad alta en las siguientes condiciones.
Para lluvias entre [ 0,200[ mm/hora 30% de las veces.
Para lluvias entre [200,400[ mm/hora 50% de las veces.
Para lluvias entre [400,600[ mm/hora 90% de las veces.
De forma complementaria, los pronósticos del metereológico indicaron humedad baja en las siguientes
condiciones.
Para lluvias entre [ 0,200[ mm/hora 70% de las veces.
Para lluvias entre [200,400[ mm/hora 50% de las veces.
Para lluvias entre [400,600[ mm/hora 10% de las veces.
Se debe decidir si se paga o no el precio de este nuevo servicio y si afectará la decisión que se va a
tomar.
Importante
El estudio atmosférico sobre el nivel de humedad no
es completamente confiable. Por consiguiente si la
información perfecta tiene un valor de $25,000
este tipo de información debe valer menos que eso.
Para asignar correctamente las probabilidades en
el árbol de decisión, se debe utilizar el "Teorema
de Bayes", puesto que la nueva información
probabilística del estudio atmosférico cambia las
probabilidades del árbol.
Probabilidades de Bayes
La información adicional nos brinda las probabilidades
condicionales.
-----------------------------------------------
Demanda Utilidad Prob. Utilidad
en cajas Inf.Perf. Ventas Esperada
-----------------------------------------------
10 600 * 0.10 = 60
11 660 * 0.40 = 264
12 720 * 0.30 = 216
13 780 * 0.20 = 156
----------------------------------------------
$696
----------------------------------------------
Si se cuenta con información perfecta se podrán ganar
$696 diarios. Si se cuenta con información imperfecta
únicamente se ganarán $660
Valor esperado de la información perfecta
Se puede verificar este resultado al ver que la utilidad marginal esperada es mayor
que la pérdida marginal esperada hasta llegar a 12 unidades.
Para 10 cajas:
p(c>=10)*UM = 1.00 * 60 = 60
p(c< 10)*PM = 0.00 * 40 = 0
Para 11 cajas:
p(c>=11)*UM = 0.90 * 60 = 54
p(c< 11)*PM = 0.10 * 40 = 4
Para 12 cajas:
p(c>=12)*UM = 0.50 * 60 = 30
p(c< 12)*PM = 0.50 * 40 = 20
Para 13 cajas:
p(c>=13)*UM = 0.20 * 60 = 12
p(c< 13)*PM = 0.80 * 40 = 32
p = 0.40
B1 B2 … Bm
A1 a11 a12 --- a1m
A2 a21 a22 … a2m
… … … … …
An an1 an2 …. anm
Ejemplo
Dos empresas que venden agua embotellada están a punto de
lanzar una nueva campaña publicitaria. Cada una de las compañías
tiene la posibilidad de hacer publicidad dentro del país en el gran
área metropolitana (GAM), en el gran área rural (GAR), o bien en
ambas partes. Ninguna de las empresas sabrá cuál será la
estrategia que seguirá su competidor con anticipación, pues ambas
campañas inician el mismo día y se mantienen en secreto. Como
ambas empresas se dedican al negocio del agua embotellada, las
ventas de una de ellas producirá un descenso en las ventas del otro.
En este problema las dos empresas utilizan las mismas estrategias,
en otros problemas se pueden utilizar estrategias diferentes para
cada empresa. Las estrategias son las siguientes:
Estrategia 1: Hacer publicidad en la GAM.
Estrategia 2: Hacer publicidad en la GAR.
Estrategia 3: Hacer publicidad en las dos áreas.
Matriz de Pagos
B1 B2 B3
A1 3 -4 2
A2 1 -7 -3
A3 -2 4 7
Ejemplo
Dos jugadores, A y B, juegan a tirar la moneda.
Cada jugador, desconocido para el otro, escoge
una cara (H) o una cruz (T). Los dos jugadores dicen
su elección al mismo tiempo. Si coinciden (HH o TT),
el jugador A recibe $1 del jugador B. En cualquier
otro caso, A paga $1 a B.
La siguiente matriz de recompensa para el jugador
A muestran los valores mínimo de renglón y máximo
de columna que corresponden a las estrategias de
A y de B, respectivamente.
Los valores maximin y minimax de los juegos son - $1 y $1,
respectivamente. Como los dos valores no son iguales, el juego no tiene
solución de estrategia pura. En particular, si el jugador A usa AH, el
jugador B seleccionará BT para recibir $1 de A. Si eso sucede, A puede
cambiar a la estrategia AT para invertir el resultado del juego, y recibir
$1 de B.
La tentación constante de los dos jugadores, de cambiar de estrategia,
muestra que no se acepta una solución de estrategia pura.
En lugar de ello, ambos jugadores deben usar mezclas aleatorias de sus
estrategias respectivas.
Dominancia
Una estrategia puede eliminarse si es inferior, o
dominada, por otra estrategia.
Eliminar las estrategias dominadas tiene dos objetivos.
Se busca disminuir el tamaño de la matriz de resultados.
Tratar de que por medio de la eliminación sucesiva de las
estrategias dominadas se resuelva el problema.
Una estrategia es dominada por otra si:
Si todos los elementos de la fila "i" son mayores o iguales que
los elementos de la fila "j", se dice que la fila "j" es dominada
por la fila "i". Por lo tanto se puede borrar la fila "j".
Si todos los elementos de la columna "i" son menores o iguales
que los elementos de la columna "j", se dice que la fila "j" es
dominada por la columna "i". Por lo tanto se puede borrar la
columna "j".
Ejemplo de análisis de dominancia
B1 B2 B3
A1 1 2 4
A2 -1 1 -1
A3 1 0 5
Si B1 -> A1 o A3 Si A1 -> B1
Si B2 -> A1 Si A2 -> B1 o B3
Si B3 -> A3 Si A3 -> B2
Finalmente…
El juego es de Estrategia Pura
El valor del juego es 1.
La respuesta es:
El jugador A deberá utilizar la estrategia A1.
El jugador B deberá utilizar la estrategia B1.
B1 B2 B3 B4 B5
A1 -2 0 0 5 3
A2 4 2 1 3 2
A3 -4 -3 0 -2 6
A4 5 3 -4 2 -6
Maximin y Minimax
B1 B2 B3 B4 B5 Min Maximin
A1 -2 0 0 5 3 -2
A2 4 2 1 3 2 1
A3 -4 -3 0 -2 6 -4 1
A4 5 3 -4 2 -6 -6
Max 5 3 1 5 6
Minimax 1
Lectura de la tabla
Si existe un punto de silla en la casilla a23.
La estrategia óptima para el jugador A es
seleccionar A2 cada vez que juega, y el jugador B
deberá utilizar B3.
El valor de juego denominado por V = 1.
Y finalmente esto significa que cada vez que se
juegue el jugador A ganará un valor de 1 y el
jugador B perderá ese mismo valor. Por lo tanto es
un juego favorable para el jugador A.
Estrategia Mixta
Al eliminar las estrategias dominadas no siempre es
posible resolver el problema.
El juego no tiene un punto de silla.
La técnica de Dominancia permite reducir el
tamaño del mismo.
Ejemplo
B1 B2 B3
A1 0 -2 2
A2 5 4 -3
A3 2 3 -4
A1 -2 2
A2 4 -3
Maximin y Minimax en JEM
B2 B3 Min Maximin
A1 -2 2 -2
-2
A2 4 -3 -3
Max 4 2
Minimax 2
p A1 -2 2
1-p A2 4 -3
q 1-q
Utilizando a p Utilizando a q
Sustituimos a p en Sustituimos a q en
-6p + 4 -4p + 2
- 6 (7/11) + 4 - 4 (5/11) + 2
- 42/11 + 4 - 20/11 + 2
2/11 2/11
El VJ es único
Juegos como PL
El problema en programación lineal se utiliza la matriz
de resultados y se agrega una variable V que
representa el VJ.
El objetivo general es maximizar el valor del juego V.
Además, cada estrategia debe tratar de ser mayor o
igual que V.
Las variables son las estrategias de A
Las restricciones están dadas por la suma de sus
aportes debe ser mayor o igual a V y la restricción de
que la suma de ellas debe ser 1.
Ejemplo
Objetivo
(0) max z = V
B1 B2 B3
Restricciones con respecto a V
A1 3 -4 2 (1) 3 x1 + 1 x2 - 2 x3 - V >=
0
A2 1 -7 -3 (2) -4 x1 - 7 x2 + 4 x3 - V >=
0
A3 -2 4 7 (3) 2 x1 - 3 x2 + 7 x3 - V >=
0
Restricción de probabilidad
(4) 1 x1 + 1 x2 + 1 x3 = 1
Restricción de no negatividad
(5) x1,x2.x3 >= 0
Solución
Al resolver este problema se obtiene la siguiente solución:
---------------------------------------------------------------------------
i BVS x1 x2 x3 v s5 s6 s7 RHS
---------------------------------------------------------------------------
0 z 0 31/13 0 0 8/13 5/13 0 4/13
1 v 0 31/13 0 1 8/13 5/13 0 4/13
2 x1 1 14/13 0 0 -1/13 1/13 0 6/13
3 s7 0 29/13 0 0 -3/13 -10/13 1 57/13
4 x3 0 -1/13 1 0 1/13 -1/13 0 7/13
----------------------------------------------------------------------------
Observe que:
x1= 6/13
x2= 0
x3= 7/13
v = 4/13