EX4MODELOS

PROBLEMAS DE
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,
 Una tarea se asigna a un procesador.

El problema:
 Se tiene un costo asociado c(i,j) o cij de otorgar el
recurso a la asignación de modo que el objetivo es
determinar en qué forma deben realizarse todas
las asignaciones para minimizar los costos totales.
 Cuando se tienen "n" recursos y "n" asignaciones
existen n! posibles formas de realizar la asignación.
Ejemplo: Establezca un plan de asignación
que minimice el costo total
“La compañía "Job Shop" ha comprado tres máquinas
nuevas de diferentes tipos. Se tienen tres localizaciones
disponibles en el país en las que se podrían instalar las
máquinas. Se busca asignar las máquinas a las
localizaciones disponibles de modo que se minimice el
costo total de instalación. A continuación se muestra el
costo estimado de la instalación de las máquinas en las
distintas localizaciones.
J1 J2 J3 Oferta
”
M1 13 10 12 1
M2 15 11 13 1
M3 5 7 10 1
Demanda 1 1 1
Planteamiento del PL:
 xij: establece si se asigna la máquina "i" hacia la
localización "j".
 Por ejemplo: la variable x23 indicará que la
máquina 2 se enviará hacia la localización 3
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
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
Se seleccionan los ceros
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
 Se obtiene la respuesta final:

 x13 = 3 x24 = 2
 x32 = 10 x41 = 3
 Y el valor de z está dado por:

 z = (1*3) + (1*2) + (1*10) + (1*3)
 z = 18
J1 J2 J3 J4
M1 20 25 22 28
M2 15 18 23 17
M3 19 17 21 24
M4 25 23 24 24
J1 J2 J3 J4
M1 0 5 2 8
M2 0 3 8 2
M3 2 0 4 7
M4 2 0 1 1
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
J1 J2 J3 J4
M1 0 5 1 7
M2 0 3 7 1
M3 2 0 3 6
M4 2 0 0 0
Reste el menor de los valor descubiertos de los otros elementos descubiertos.

Sume este valor a los que estén en la intersección de las líneas
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
Se tiene una asignación óptima cuando ocurre uno de estos casos:

() Se han asignado las cuatro máquinas.
() El mínimo número de líneas que se puede trazar es de 4, lo que
significa que se debe reordenar la asignación.
El costo de esta asignación estará dado por:
20 + 17 + 17 + 24 = 78 unidades.
Desbalance
 Problema desbalanceado: Un problema de
asignación donde la demanda y la oferta no son
iguales.
 Oferta Mayor: En este caso se introduce una
columna adicional, que indicará la oferta no
asignada.
 Demanda Mayor: se introduce una fila adicional
que indicará la cantidad de la demanda no
satisfecha.
Ejemplo
J1 J2 J3
M1 8 5 7
M2 15 6 2
Se agrega una máquina 3 ficticia.
J1 J2 J3
M1 8 5 7
M2 15 6 2
M3* 0 0 0
Maximización
 Para resolverlos la función de maximización se

convierte en una función de minimización.
 Para convertir un problema de asignación de

maximización en uno de minimización se debe
restar cada costo de asignación del costo mayor.
Trabajo en clase
 Ejercicios 8, 14 y 15 Capitulo 7 de los apuntes de
Helo
 Fecha de entrega: sábado 8 de noviembre a la 2
pm
PROBLEMAS DE
TRANSPORTE
TI 3601 Modelos de Toma de Decisiones
Problemas de Transporte (PT)
 El objetivo es minimizar el costo de distribuir un
producto desde un número de fuentes a un número
de destinos.
 Son un tipo especial de problemas de
programación lineal
Ejemplo: Establezca un plan de entregas
que minimice el costo total de transporte
“ Una empresa tiene tres fábricas F1, F2 y F3. Y tiene
cuatro bodegas W1, W2, W3, W4. La producción diaria
de las fábricas es de 50, 75 y 25 unidades
respectivamente. Los requerimientos diarios de las
bodegas son 20, 20, 50 y 60 unidades. El costo de
transportar una unidad de producto de un fuente al
destino se indica mediante la siguiente tabla.”
W1 W2 W3 W4 Oferta
F1 3 5 7 6 50
F2 2 5 8 2 75
F3 3 6 9 2 25
Demanda 20 20 50 60 150
Planteamiento del PL:
 xij: establece la cantidad de unidades que se
envían desde la fábrica i hacia la bodega j.
 Por ejemplo:la variable x23 indicará el número de
unidades que se envía desde la fábrica 2 hasta la
bodega 3.
W1 W2 W3 W4 Oferta
F1 ( x11) 3 ( x12) 5 ( x13) 7 ( x14) 6 50
F2 ( x21) 2 ( x22) 5 ( x23) 8 ( x24) 2 75
F3 ( x31) 3 ( x32) 6 ( x33) 9 ( x34) 2 25
Demanda 20 20 50 60 150
PL final.
 Función Objetivo:
min z = 3 x11 + 5 x12 + 7 x13 + 6 x14
+ 2 x21 + 5 x22 + 8 x23 + 2 x24
+ 3 x31 + 6 x32 + 9 x33 + 2 x34
 Restricciones de oferta:
x11 + x12 + x13 + x14 = 50
x21 + x22 + x23 + x24 = 75
x31 + x32 + x33 + x34 = 25
 Restricciones de la demanda:
x11 + x21 + x31 = 20
x12 + x22 + x32 = 20
x13 + x23 + x33 = 50
x14 + x24 + x34 = 60
 Restricciones de no negatividad y de valor entero.
xij >= 0 xij enteros para i:=1,2,3 j:=1,2,3,4
Buscando una solución
 Problema de transporte balanceado: para que exista
una solución factible es necesario que la oferta total
sea igual a la demanda total.
 En general si hay m oferentes y n demandantes la
solución tendrá:
 (m * n) variables totales
 (m + n - 1) variables básicas
 Al igual que con el método simplex se utilizarán dos

fases. en la primera fase se encontrará una solución
básica factible y en la segunda fase se hará un
proceso iterativo para llegar al óptimo
La Esquina Norte
 (1) Seleccione la celda en la esquina noroeste (arriba a
la izquierda) y asigne a la variable la cantidad mínima
entre la oferta y la demanda.
 (2) Ajuste la oferta y la demanda en las respectivas
columnas.
 (3) Si se satisface la demanda, entonces muévase
horizontalmente a la siguiente celda.
 (4) Si se satisface la oferta, entonces muévase
verticalmente a la siguiente celda.
 (5) Si la oferta y la demanda son iguales se puede mover
en cualquier dirección.
 (6) Continúe el proceso hasta que se agoten la oferta y
la demanda.
En el ejemplo
W1 W2 W3 W4 Oferta
F1 (20) 3 ()5 ()7 () 6 50 -20 =30
F2 ()2 ()5 ()8 ( ) 2 75
F3 ()3 ()6 ()9 ( ) 2 25
Demanda 20-20 = 0 20 50 60 150
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:
 x11 = 20
 x12 = 20
 x13 = 10
 x23 = 40
 x24 = 35
 x34 = 25

 z = (20*3) + (20*5) + (10*7) + (40*8) + (35*2) + (25*2)
 z = 670
Matriz de Costo Mínimo
 (1) Identifique la celda con el costo de transporte
mínimo.
 (2) Si la celda de costo mínimo no es única, escoja
cualquier de ellas de manera arbitraria.
 (3) Escoja el valor de la variable entrante como el
mínimo entre la oferta y la demanda.
 (4) Continúe el proceso hasta terminar.
En el ejemplo
W1 W2 W3 W4 Oferta
F1 () 3 ()5 ()7 () 6 50
F2 ( 20) 2 ()5 ()8 ( ) 2 75 -20 =55
F3 ()3 ()6 ()9 ( ) 2 25
Demanda 20-20 = 0 20 50 60 150
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
 x12 = 20
 x13 = 30
 x21 = 20
 x24 = 55
 x33 = 20
 x34 = 5

 z = (20*5) + (30*7) + (20*2) + (55*2) + (20*9) + (5*2)
 z = 650
Método de Vogel
 (1) En cada fila tome el costo mínimo y el siguiente costo y calcule la
diferencia.
 (2) En cada columna tome el costo mínimo y el siguiente costo y
calcule la diferencia.
 (3) Identifique la mayor diferencia:
 Si se encuentra en una fila, encuentre el menor valor de la fila y
asigne la mayor cantidad de unidades posible.
 Si se encuentra en una columna, encuentre el menor valor de la
columna y asigne la mayor cantidad de unidades posibles.
 (4) Si hay empates en las diferencias puede escoger de manera
arbitraria cualquiera de ellas.
 (5) Continúe el proceso hasta terminar.
En el ejemplo
W1 W2 W3 W4 Oferta
F1 ( 20 ) 3 ()5 ()7 () 6 50 5-3=2 *
F2 ()2 ()5 ()8 ( ) 2 75 2-2 =0
F3 ()3 ()6 ()9 ( ) 2 25 3-2=1
Demanda 20 20 50 60 150
3-2=1 5-5=0 8-7=1 2-2=0
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
Que se puede escribir como:

x11 = 20 , x13 = 30, x22 = 20, x23 = 20, x24 = 35, x33 = 25
Y el valor de z estará dado por:

z = (20*3) + (30*7) + (20*5) + (20*8) + (35*2) + (35*2) + (25*2)
z = 650
Solución Óptima?
 Existen varios algoritmos para determinar si la
solución encontrada es la óptima:
 Stepping Stone
 MODI o U-V.
Método de "Stepping Stone".
 (1) Encontrar una solución inicial básica factible.
 (2) Seleccione una celda no ocupada, encuentre un camino cerrado, iniciando en la
celda no ocupada hasta regresar a esta misma celda. Las celdas en los puntos de
regreso se llaman "stepping stones".
 (3) Asigne los signos (+) y (-) de manera alternativa en cada celda de esquina del
camino. Inicie con un (+) en la celda inicial no ocupada.
 (4) Sume los costos de transporte asociados al camino. Este valor se denominará valor
del cambio en la red.
 (5) Repita los pasos anteriores hasta evaluar todas las celdas desocupadas.
 (6) Revise el valor de cambio en la red.
 Si todos los valores calculados son mayores o iguales a cero, se ha alcanzado un valor óptimo.
 De lo contrario, es posible mejorar la solución actual utilizando el procedimiento siguiente.
 (7) Seleccione la celda desocupada que tenga el valor negativo más pequeño y
determine el máximo número de unidades que se le puede asignar. Se tratará del valor
positivo más pequeño, que tenga un signo (-) en el camino trazado. Sume este número a
la celda desocupada y a las demás celdas del camino marcadas con (+). Reste este
número a las demás celdas del camino marcadas con (-).
 (8) Repita este método hasta obtener el valor óptimo.
Ejemplo:
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)
 Se asigna min(10,13)=10 a (F1,W1).

Solución Óptima Z = 173
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
Y el valor de z está dado por:

z = (10*2) + (3*7) + (22*3) + (2*6) + (18*3)
z = 173
Método MODI o U-V
 (1) Determine una solución inicial factible.
 (2) Determine los valores ui y vj de forma que:
ui + vj = cij
 (3) Calcule el costo de oportunidad para las celdas desocupadas:
cij - (ui + vj)
 (4) Revise el costo de oportunidad de todas las celdas desocupadas, si en todas es cero
o positivo se ha llegado a un óptimo. Si alguna celda tiene un costo de oportunidad
negativo se debe seguir el proceso.
 (5) Seleccione la celda desocupada con el costo de oportunidad negativo más pequeño.
 (6) Dibuje un camino cerrado desde la celda seleccionada pasando por celdas
ocupadas.
 (7) Asigne valores (+) y (-) de forma alternada entre las celdas con un signo de (+) en
la celda que está siendo evaluada.
 (8) Determine el máximo número de unidades que se pueden enviar a la celda. El valor
positivo de envíos más pequeño con una marca de (-) indica el número de unidades que
se le deben dar a la celda evaluada. Sume esta cantidad a las celdas con (+) y reste
este cantidad a las celdas con (-).
 (9) Repita el proceso hasta encontrar un valor óptimo.
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
cij - (ui + vj)
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
Por lo tanto se utiliza (F1,W1):

Solución Óptima Z = 173
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
Y el valor de z está dado por:

z = (10*2) + (3*7) + (22*3) + (2*6) + (18*3)
z = 173
Degradación
 La solución básica factible de un problema de transporte con "m"
orígenes y "n" destinos debe tener "m + n - 1" variables básicas.
 Por ejemplo si hay 3 fábricas y 4 bodegas el número de variables
deberá ser igual a 3 + 4 - 1 = 6.
 Si el problema de transporte tiene menos de esta cantidad de
variables se dice que es un problema degradado o bien que
presenta una degradación.
 La degradación puede ocurrir en dos estados:
 Cuando se calcula la solución inicial.
 Cuando se realiza un análisis para saber si se está en un punto óptimo.
 Para resolver el problema de degradación se usa una cantidad
artificial "0".
 La cantidad "0" se asigna a la celda desocupada que tenga el
menor costo de transporte.
Desbalance
 Problema desbalanceado: Un problema de
transporte donde la demanda y la oferta no son
iguales.
 Oferta Mayor: En este caso se introduce una
columna adicional, que indicará la oferta no
transportada.
 Demanda Mayor: se introduce una fila adicional
que indicará la cantidad de la demanda no
satisfecha.
Ejemplo
W1 W2 W3 OFERTA
F1 8 5 7 500
F2 15 6 2 300
DEMANDA 150 400 450 1000 / 800
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
 Para resolverlos la función de maximización se

convierte en una función de minimización.
 Para convertir un problema de transporte de

maximización en uno de minimización se debe
restar cada costo de transporte del costo mayor.
Rutas Prohibidas
 En algunas ocasiones se pueden presentar
situaciones donde no se puede utilizar una ruta de
entrega. Por ejemplo si la ruta está en construcción
o reparación, si hay una huelga que la obstaculiza,
inundaciones, tráfico pesado, etc.
 Este problema se puede manejar de dos formas.
 () Asignar un valor muy grande que se denominará M a
esa ruta.
 () Poner una equis sobre la ruta y evitar hacer
cualquier asignación.
Transbordo
 El problema de transbordo es un caso especial del problema de
transporte donde se consideran puntos intermedios en el envío.
 En el problema de transporte los artículos se envían siempre del

origen, usualmente fábrica, hacia un destino final, usualmente bodega.
 El problema de transbordo los artículos no se envían de manera

directa del origen al destino, sino que se envían a través de varios
puntos intermedios antes de llegar a su destino final.
 Por ejemplo se puede tratar de un empresa que envía de sus fábricas

hacia grandes bodegas nacionales, que a su vez envían los artículos
hacia bodegas locales que hacen llegar los artículos a los puntos de
venta.
Trabajo en clase
 Ejercicios 8, 14 (b y c) y 17 Capitulo 6 de los
apuntes de Helo
 Fecha de entrega: 1 de noviembre a la 12 mn
Programación
Dinámica
TI3601 Modelos de toma de decisiones
Programación Dinámica
El termino programación dinámica se refiere a una técnica de
optimización general que se utiliza para resolver una clase especial de
problemas que poseen múltiples etapas ordenadas en secuencia.
• Los cálculos de programación dinámica se hacen en forma recursiva,

ya que la solución óptima de un subproblema se usa como dato para
el siguiente subproblema.
El problema
• Los problemas que se resolverán se pueden plantear
matemáticamente como:
Maximizar z= f1(x(1)) + f2(x(2)) + ... + fn(x(n))

Sujeto a: x(1) + x(2) + ... + x(n) <= b
Donde: x(1),x(2),...,x(n) >= 0 y enteras
• Las funciones "f" no son necesariamente lineales. Asimismo cada una

de las variables xi representa un etapa del problema. Los valores que
pueden tomar serán los estados o alternativas de esta etapa.
Términos para resolver un
problema PD
• Etapa (Xi).
Cada punto donde se debe tomar una decisión. El final de una etapa
coincide con el inicio de otra. Cada variable "x(i)" representa una etapa del
problema.
• Estado o Alternativa (mi)
Los valores que pueden tomar las variables dentro de un etapa se conocen
como estado. Cada posible valor “m” de "x(i)" representa un estado del
problema.
• Principio de Optimalidad.
Dentro de una etapa se escoge el estado que mejor se apegue al principio
de optimalidad deseado. Si se trata de maximizar una función se escogerá
el estado de mayor valor. También se puede llevar a cabo un problema de
minimización.
Problema de la ruta más corta
Descomposición del problema en
etapas
Recursión en avance o en
reversa
Problema de la mochila
• El modelo clásico de la mochila tiene que ver con el caso de un soldado (o un
montañista) que debe decidir cuáles son los artículos más valiosos que debe
llevar en su mochila.
• Este problema parafrasea un modelo general de asignación de recursos en el
que un solo recurso limitado se asigna a varias alternativas (por ejemplo,
fondos limitados asignados a proyectos) con objeto de maximizar el ingreso
total.
• La ecuación recursiva (en reversa) se desarrolla para el problema general de
una mochila de W libras, con n artículos. Sea mi la cantidad de unidades del
artículo i en la mochila, y defínanse ri y wi como el ingreso y el peso por
unidad del artículo i.
• El problema general se representa con el siguiente programa lineal
entero:
Ejemplo de Mochila
Solución mochila
• Así, la solución completa es:
• m1* = 2,
• m2* = 0 y
• m3* = 0.
• El ingreso correspondiente es $62,000.
• ¿Qué pasa si la capacidad del barco se disminuye a 3? Encuentre la

nueva solución.
Problema de la fuerza de trabajo
Ejemplo de fuerza de trabajo
TEORÍA DE DECISIONES
TI 3601 Modelo de Toma de Decisiones
Teoría de Decisiones
 La mayor parte de las decisiones empresariales se
deben tomar bajo condiciones de incertidumbre, ya que
en muy pocas ocasiones se cuenta con información
completa de lo que ocurrirá en el futuro.
 La teoría de Decisión busca desarrollar algunos
procedimientos para escoger la mejor alternativa entre
varias decisiones posibles.
 Esta área de la investigación de operaciones se suele
llamar teoría bayesiana de la decisión, teoría de la
decisión o simplemente teoría de decisiones.
Elementos del problema
 (a) Objetivo.
 El objetivo puede ser de maximización de ganancias,
ventas, etc. o bien de minimización de costos, tiempo, etc.
 (b) Cursos de acción.
 La decisión debe ser un elección entre varias alternativas
posibles.
 (c) Nivel de Incertidumbre.
 Cuando se toma un curso de acción se espera recibir algún
beneficio o producir un costo, sin embargo existen elementos
fuera de nuestro control que pueden ocasionar una cierta
variación en el resultado esperado. Este nivel de
variabilidad se conoce con el nombre de incertidumbre o
probabilidad.
Toma de decisiones bajo certidumbre
 Método de la Jerarquía Analítica (AHP)

 Todas las funciones están bien definidas
 Ideas, sentimientos y emociones se cuantifican con base
en juicios subjetivos.
 Escala numérica para dar prioridad a las alternativas
de decisión.
 Analice el ejemplo de selección de Universidad del
capítulo 14 del Libro de TAHA
Ejemplo de la selección de universidad
AHP con 2 niveles de criterios
Determinando los pesos de las alternativas y
criterios: Matriz de comparación nxn: A
 La entrada aij define al la relación (i, j) de A

 El proceso de jerarquía analítica usa una escala
discreta de 1 a 9, donde:
 aij=1 significa que i y j son igualmente importantes;
 aij=5 significa que i es mucho más importante que j, y
 aij= 9 indica que i es extremadamente más importante que
j.
 Por consistencia, aij= k implica que aji=1/k.
 Todos los elementos diagonales aii de A deben ser
iguales a 1, porque califican un criterio contra sí mismo
Ejemplo
Determinando los pesos de las alternativas
y criterios
 Matriz de normalización nxn: N
 Para cada columna de A se divide el valor de aij entre
la suma de los elementos de la misma columna.
 Vector de pesos W
 Promedio simple de cada fila de N
 Si las columnas de N son idénticas significa que la

consistencia del criterio es perfecta.
Ejercicio
Consistencia de la matriz de comparación
 Consistencia significa que quien toma decisiones

muestra un juicio coherente en la especificación de la
comparación por pares de los criterios o alternativas.
 Matemáticamente se dice que una matriz de
comparación A es consistente si:
 aij*ajk = aik para todas i, j y k
 Toda las filas y columnas de una matriz de

comparación de 2x2 son dependientes y en
consecuencia una matriz de 2x2 siempre es consistente.
Prueba de nivel de consistencia “razonable”
Lectura de la relación de consistencia: CR
 La relación CR se usa para probar la consistencia

como sigue: si CR <= 0.1, el nivel de inconsistencia
se puede aceptar.
 En caso contrario, la inconsistencia en A es alta, y se
debe pedir a quien toma decisiones que modifique
los elementos aij de A para obtener una matriz más
consistente.
Ejemplo
Árboles de Decisión
 Un árbol de decisión es un modelo gráfico. Incluye
probabilidades en el análisis de decisiones complejas
que pueden tener muchas alternativas y condiciones
futuras que no se conocen, pero que pueden ser
caracterizadas por un distribución de probabilidad.
 En el modelo gráfico los puntos de decisión se
representan con cuadrados [ ]. En este lugar se debe
escoger entre varias opciones.
 Los círculos ( ) representan eventos probabilísticos que
se conocen como estados de naturaleza. Estos eventos
no se pueden controlar, alguno de ellos ocurrirá de
acuerdo con una distribución de probabilidad.
Árbol de Decisión de la cadena
mayorista CBA
+--Demanda=10 0.10 600
+--Demanda=11 0.40 600
+-Inventario=10------(2)+--Demanda=12 0.30 600
| +--Demanda=13 0.20 600
|
| +--Demanda=10 0.10 560
| +--Demanda=11 0.40 660
| +--Demanda=13 0.20 660
|
------[1]+
| +--Demanda=10 0.10 520
| +--Demanda=11 0.40 620
| +--Demanda=13 0.20 720
|
| +--Demanda=10 0.10 480
| +--Demanda=11 0.40 580
+--Demanda=13 0.20 780
Ejemplo
 El dueño de una finca debe decidir cómo administrarla en las próximas temporadas.
Sus ganancias durante el presente año y años siguientes dependerán de cuánta lluvia
caiga. De acuerdo con los datos pasados, la distribución de probabilidad de las
lluvias así como las ganancias o utilidades se presentan en la siguiente tabla.
--------------------------------------------------------
Cantidad de lluvia Probabilidad Utilidad
--------------------------------------------------------
[ 0,200[ mm/hora 0.50 -40,000
[200,400[ mm/hora 0.10 40,000
[400,600[ mm/hora 0.40 120,000
--------------------------------------------------------
 Además se puede hacer un contrato con el Consejo Nacional de Producción (CNP)
mediante el cual se venderá por un monto de $45,000 el total de cosecha, para las
siguientes temporadas. Este contrato actúa como un seguro, si se produce menos o más
se recibe el mismo monto de dinero.
 También se ha estado examinando la conveniencia de alquilar una máquina, o bomba
de agua, para sacar agua de un pozo. Si se alquila este equipo se podrá irrigar
durante todo el año sin importar la cantidad de lluvia que caiga, lo que aumentará la
producción de la finca. Si utiliza esta máquina, su utilidad será de $120,000 menos el
costo de alquiler y de operación del equipo.
Análisis del problema
 El costo de alquiler es de $15,000.
 El costo de operación es:
 si caen de [ 0,200[ mm/hora de lluvia $90,000
 si caen de [200,400[ mm/hora de lluvia $50,000
 si caen de [400,600[ mm/hora de lluvia $10,000
 Si el dueño trabaja en la finca y alquila la bomba de agua y las lluvias fluctúan entre
[0,200[ su utilidad será:
 utilidad = 120,000 - 15,000 - 90,000
 utilidad = 15,000
 Si el dueño trabaja en la finca y alquila la bomba de agua y las lluvias fluctúan
entre [200,400[ su utilidad será:
 utilidad = 120,000 - 15,000 - 50,000
 Si el dueño trabaja en la finca y alquila la bomba de agua y las lluvias fluctúan
entre [400,600[ su utilidad será:
 utilidad = 120,000 - 15,000 - 10,000
AD del problema
CNP 45,000
+-----------------------------------------------
|
|
|
| [ 0,200[ 0.50 -40,000
| +----------------------------
| Administrar |
| sin máquina | [200,400[ 0.10 40,000
------[1]+---------------(2)+----------------------------
| |
| | [400,600[ 0.40 120,000
| +----------------------------
|
| [ 0,200[ 0.50 15,000
| +----------------------------
| Administrar |
| con máquina | [200,400[ 0.10 55,000
+---------------(3)+----------------------------
|
| [400,600[ 0.40 95,000
+----------------------------
Análisis del AD. Rastreo Inverso
 Para hacer este rastreo inverso si utilizan las siguientes
reglas:
 (a) Si se analiza un nodo de probabilidad: se multiplica
la probabilidad por la utilidad en cada rama y se
suman estos valores.
 (b) Si se analiza un nodo de decisión: el valor esperado
de ese nodo debe ser el máximo valor de las ramas
inferiores. De esta forma se escoge la acción que tenga
el máximo valor esperado y se podan las otras ramas
que corresponden a acciones menos rentables.
AD del problema
CNP 45,000 45,000
+-----------------------------------------------
|
|
|
| [ 0,200[ 0.50 -40,000
| 32,000 +----------------------------
| Administrar |
51,000 | sin máquina | [200,400[ 0.10 40,000
--------------[1]+---------------(2)+----------------------------
| |
| | [400,600[ 0.40 120,000
| +----------------------------
|
| [ 0,200[ 0.50 15,000
| 51,000 +----------------------------
| Administrar |
| con máquina | [200,400[ 0.10 55,000
+---------------(3)+----------------------------
|
| [400,600[ 0.40 95,000
+----------------------------
AD y VEIP
 Se estimará el valor de la información perfecta
para el problema.
 La técnica consiste en recorrer el árbol de manera
inversa. Supondremos que ocurrió el evento y luego
se analiza el impacto económico del mismo.
 De esta manera se cuenta con información perfecta
y se puede estimar el valor de dicha información.
AD con información perfecta (UIP)
CNP 45,000
+-----------------------
 El "valor esperado de la
información perfecta" (VEIP)
|
[ 0,200[ 0.50 45,000 | Sin máquina -40,000
+--------------------------------[2]+----------------------- es la "utilidad con

|
|
|
| Con máquina 15,000

información perfecta" (UIP)
| +----------------------- menos la "utilidad con
|
| CNP 45,000
información imperfecta" (UII)
| +-----------------------
VEIP = UIP - UII

| |
76,000 | [200,400[ 0.10 55,000 | Sin máquina 40,000
--------(1)+-------------------------------[3]+-----------------------
| |
VEIP = 76,000 - 51,000
| | Con máquina 55,000 VEIP = $25,000
| +-----------------------
| CNP 45,000
| +-----------------------
| |
| [400,600[ 0.40 120,000 | Sin máquina 120,000
+---------------------------------[4]+-----------------------
| Con máquina 95,000
+-----------------------
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.
 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.
 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.
Prob. conjuntas = prob. previas * prob. condicionales
Las sumatoria de las prob. condicionales genera la prob.

absolutas
Prob. Posteriores = Prob. Conjuntas / Prob. Absolutas.

Cálculo de probabilidades de Bayes
 La probabilidad que la humedad sea alta está dada por:
p(alta) = p( alta | [ 0,200[ ) * p( [ 0,200[ )
+ p( alta | [200,400[ ) * p( [200,400[ )
+ p( alta | [400,600[ ) * p( [400,600[ )
p(alta) = 0.30 * 0.50 Prob. Conjunta
+ 0.50 * 0.10 Prob. Conjunta
p(alta) = 0.56  Prob. absuluta
 La probabilidad que la humedad sea baja está dada por:
p(baja) = p( baja | [ 0,200[ ) * p( [ 0,200[ )
+ p( baja | [200,400[ ) * p( [200,400[ )
+ p( baja | [400,600[ ) * p( [400,600[ )
p(baja) = 0.70 * 0.50 Prob. Conjunta
P(baja) = 0.44  Prob. absuluta
 El arbol y la tabla de generación de las probabilidades de Bayes estan en el
archivo ejemplo AD
Valor Esperado de la Información Imperfecta.
 Este árbol indica que la ganancia esperada, mostrada en el nodo 2,

será de $53,888 después de haber pagado $5,000 por el informe.
En esa misma rama se indica que si no hubiera comprado el
pronóstico tendría una ganancia esperada de $51,000.
 De esta forma el valor esperado de la información imperfecta"
(VEII) también denominado algunas veces "valor esperado de la
información muestral" (VEIM), o la máxima cantidad de dinero que
estaría dispuesto a pagar por un estudio atmosférico de este tipo
está dada por la diferencia de estos dos valores más el monto del
informe que ya se pagó.
VEII = 53,888 - 51,000 + 5,000

VEII = 2,888 + 5,000
VEII = 7,888
Estrategia Óptima:
 Al revisar el contenido del árbol se observa la
siguiente estrategia óptima:
 Comprar el estudio atmosférico sobre la humedad.
 Si la humedad es alta, se debe alquilar la máquina.
 Si la humedad es baja, se debe usar el CNP.
Análisis de Sensibilidad
 Como en otros procesos de optimización estudiados después de
resolver el problema se debe realizar un análisis de sensibilidad
para todos sus costos.
 A continuación se muestra este análisis para el valor de alquilar
la bomba de extracción de agua. En el problema presentado se
estimó que el costo de alquilar una máquina para bombear
agua era de $15,000. Se desea establecer que ocurriría si este
valor cambia en el futuro.
 En general la pregunta es como los posibles precios de alquiler
de la máquina pueden afectar la estrategia óptima y la utilidad
esperada.
 En este caso se utilizó un método de enumeración exhaustiva
para encontrar la sensibilidad de esta variable.
Tabla de AS
Alquiler Alquiler
Máquina Utilidad Estrategia Máquina Utilidad Estrategia
de Bombeo Esperada Óptima VEII de Bombeo Esperada Óptima VEII
----------------------------------------------------- -----------------------------------------------------
0 66,000 Estrategia 1 1,288 10,000 56,688 Estrategia 2 5,688
1,000 65,000 Estrategia 1 1,728 11,000 56,128 Estrategia 2 6,128
6,000 60,000 Estrategia 1 3,928
18,000 53,776 Estrategia 3 10,776
20,000 53,776 Estrategia 3 12,776
Opciones que revela el análisis
 Estrategia 1:
 No comprar el estudio del metereológico.
 Administrar la finca usando la máquina
 Estrategia 2:
 Si comprar el estudio del metereológico.
 Si la humedad es alta, entonces administrar la finca CON la
máquina.
 Si la humedad es baja, se usa el contrato con el CNP.
 Estrategia 3:
 Si comprar el estudio del metereológico.
 Si la humedad es alta, entonces administrar la finca SIN la
máquina.
 Si la humedad es baja, se usa el contrato con el CNP.
Análisis de Sensibilidad
 Según las variaciones del precio de la máquina se
tiene que:
 Si el valor de alquiler está entre 0 y 8,000 entonces
se debe utilizar la estrategia 1.
 Si el valor de alquiler está entre 8,000 y 15,000
entonces se debe utilizar la estrategia 2.
 Si el valor de alquiler es mayor que 16,000 entonces
se debe utilizar la estrategia 3.
Toma de decisiones bajo incertidumbre
 La cadena mayorista CBA tiene problemas con sus ventas de cajas de bananos.
Ocasionalmente han pedido muy pocas perdiendo ventas o bien han pedido
demasiadas. Las cajas de bananos que no se venden durante el día deben ser
desechadas por motivos de sus altos estándares de calidad. Cada caja tiene un
costo de $40 y se vende en $100. A continuación se muestra una tabla con los
registros de ventas de los últimos 100 días. Con base en esta información se desea
establecer el número óptimo de cajas que se deben comprar diariamente para
maximizar las ganancias.
-------------------------------------------
Ventas Frecuencia Probabilidad
diarias en Días de la venta
-------------------------------------------
10 10 0.10
11 40 0.40
12 30 0.30
13 20 0.20
------------------------------------------
Total 100 1.00
------------------------------------------
Ejemplo: Utilidades Condicionales
 Con base en la información anterior se puede construir una tabla de utilidades
condicionales donde se muestran todas las alternativas que pueden ocurrir.
 Tabla de Utilidades Condicionales
-------------------------------------
Demanda .... Inventario.....
en cajas 10 11 12 13
--------------------------------------
10 600 560 520 480
11 600 660 620 580
12 600 660 720 680
13 600 660 720 780
--------------------------------------
 Los valores de la tabla de utilidades condicionales se calculan de la siguiente
forma.
 Si tengo una demanda de 10 cajas y tengo 10 cajas de inventario:
 10*100 - 10*40 = 600
 Si tengo una demanda de 10 cajas y tengo 11 cajas de inventario:
 10*100 - 11*40 = 560
Ejemplo: Utilidades esperadas
 Con la tabla anterior se pueden calcular las utilidades
esperadas para cada uno de los niveles de inventario.
Utilidades Esperadas al almacenar 10 cajas.
------------------------------------------------------
Demanda Utilidad Prob. Utilidad
en cajas Condicional Ventas Esperada
-------------------------------------------------------
10 600 * 0.10 = 60
11 600 * 0.40 = 240
12 600 * 0.30 = 180
13 600 * 0.20 = 120
-------------------------------------------------------
$600
-------------------------------------------------------
Al almacenar 11 cajas.
Utilidades Esperadas al almacenar 11 cajas.
---------------------------------------------------
----------------------------------------------------
10 560 * 0.10 = 56
11 660 * 0.40 = 264
12 660 * 0.30 = 198
13 660 * 0.20 = 132
-----------------------------------------------------
$650
-----------------------------------------------------
Al almacenar 12 cajas
 Utilidades Esperadas al almacenar 12 cajas.
--------------------------------------------------
--------------------------------------------------
10 520 * 0.10 = 52
11 620 * 0.40 = 248
12 720 * 0.30 = 216
13 720 * 0.20 = 144
-------------------------------------------------
$660
-------------------------------------------------
Al almacenar 13 cajas
 Utilidades Esperadas al almacenar 13 cajas.
-------------------------------------------------
-------------------------------------------------
10 480 * 0.10 = 48
11 580 * 0.40 = 232
12 680 * 0.30 = 204
13 780 * 0.20 = 156
------------------------------------------------
$640
------------------------------------------------
Finalmente…
 Las tablas generan el siguiente análisis:
 De esta forma si se almacenan diariamente 10 cajas la
utilidad diaria esperada será de $600.
 Por lo tanto la decisión óptima para maximizar las
ganancias será la de almacenar diariamente 12 cajas,
para obtener una ganancia promedio de $660 diarios.
Utilidad esperada con información perfecta
 La ventas seguirán variando día a día, pero podremos

"predecir", cual será el comportamiento de la demanda del
día siguiente.
 En estas circunstancias, siempre se contará con el número
exacto de cajas que se venderán.
 Tabla de Utilidades con Información Perfecta
---------------------------------------
en cajas 10 11 12 13
---------------------------------------
10 600 - - -
11 - 660 - -
12 - - 720 -
13 - - - 780
---------------------------------------
Utilidades Esperadas con Información Perfecta
-----------------------------------------------
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
 El VEIP es el máximo monto de dinero que se está

dispuesto a pagar para conseguir información
perfecta.
 VEIP = $696 - $660 = $36

Análisis Marginal
 El análisis marginal se basa en el hecho de que cuando se adquiere
una unidad adicional de producto pueden ocurrir dos cosas, la unidad
se vende con una probabilidad "p" o bien la unidad no se vende, en
cuyo caso la probabilidad será de "1-p“.
 Si la unidad se vende se incrementarán las utilidades condicionales. A
este incremento lo llamaremos utilidad marginal o UM.
 En nuestro ejemplo anterior la utilidad marginal resultante de una
unidad adicional equivale al precio de venta menos el costo:
UM = 100 - 40 = 60
 Si se almacena una unidad adicional que no se vende, esto disminuirá

las utilidades condicionales. A este decremento lo llamaremos pérdida
marginal o PM.
 En nuestro ejemplo la pérdida marginal por comprar una unidad que
no fue vendida es el costo.
PM = 40
En el ejemplo
 Tabla de Utilidades Condicionales
-------------------------------------
en cajas 10 11 12 13
--------------------------------------
10 600 560 520 480
11 600 660 620 580
12 600 660 720 680
13 600 660 720 780
--------------------------------------
 El efecto de la utilidad marginal UM se observa en la
diagonal de la matriz.
 La pérdida marginal PM se nota en las filas, conforme se
sigue cada fila el valor disminuye de acuerdo a éste.
Probabilidad acumulada inversa
-------------------------------------------------------------
Ventas Frecuencia Probabilidad Probabilidad
diarias en Días de la venta Acumulada
Inversa
-------------------------------------------------------------
10 10 0.10 1.00
11 40 0.40 0.90
12 30 0.30 0.50
13 20 0.20 0.20
---------------------------------------------------------------
 Conforme aumenta el inventario disminuye la
probabilidad de vender una caja adicional.
Análisis del efecto de mantener inventario
 Si se tienen 10 cajas la probabilidad de vender 10 o más cajas está dada

por:
 p(c >= 10) = 0.10 + 0.40 + 0.30 + 0.20
 p(c >= 10) = 1
por:
 p(c >= 11) = 0.40 + 0.30 + 0.20
 p(C >= 11) = 0.90
por:
 p(c >= 12) = 0.30 + 0.20
 p(c >= 12) = 0.50
por:
 p(c >= 13) = 0.20
Ecuación de Probabilidad Mínima.
 La utilidad marginal esperada es la utilidad marginal
multiplicada por la probabilidad de vender una unidad
 UME = p * UM
 La pérdida marginal esperada es la pérdida marginal
multiplicada por la probabilidad que una unidad no se
venda.
 PME = (1-p) * PM
 Se debe aumentar el inventario mientras:
 UME >= PME
 El punto de quiebra se da cuando:
 UME = PME
 En todo problema de inventario existe un único valor de "p" donde se
cumple el punto de quiebre. Es necesario conocer ese valor para
resolver el problema de almacenamiento. De esta forma:
UME = PME
p * UM = (1-p) * PM
p * UM = PM - (p * PM)
p * UM) + (p * PM) = PM
p * (UM + PM) = PM
PM
p = -------
UM + PM
 De esta forma "p" representa la probabilidad mínima de equilibrio.
Se deben comprar unidades adicionales mientras la probabilidad de
vender sea mayor que "p".
En el ejemplo…
 El valor de "p" está dado  Si se observa la tabla con la
por probabilidad acumulada
PM inversa, se puede ver que
p = -------  p(c >= 10) = 1.00
UM + PM  p(c >= 11) = 0.90
 p(c >= 12) = 0.50
40
 p(c >= 13) = 0.20
p = -------
60 + 40
 En esta caso la solución sería
40 12 cajas, ya que probabilidad
p = ---- acumulada inversa de vender
100 13 cajas es 0.20 y está por
debajo del valor de "p" de
p = 0.40 0.40.
Tablas de Utilidades Condicionales vrs Análisis Marginal
 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
 El análisis marginal da el mismo resultado que cuando se utilizaron tablas de

utilidades condicionales. Sin embargo para problemas de decisión muy grandes es
preferible utilizar esta técnica.
Utilizando la distribución Normal
 En una tienda se vende un artículo cuyas ventas se
distribuyen de forma normal, con una media de 50
unidades diarias y una desviación estándar de 15
unidades diarias. El artículo se compra en $4 por
unidad y se vende en $10 por unidad. Si el artículo no
se vende el día correspondiente carece de valor, o bien
se desea llevar a cabo una política de mínimo
inventario.
 Se desea utilizar el análisis marginal para encontrar el
número de unidades óptimo que se deben tener de
manera que se maximicen las ganancias.
Calculamos el valor de “p”.
 Primero se debe determinar el valor de "p". Se tiene que
UM = 10 - 4 = 6
PM = 4
PM
p = -------
UM + PM
4
p = -------
6+4
p = 0.40
 Por lo tanto se debe tener una seguridad mínima de 0.40 de vender

por lo menos una unidad adicional.
 La demanda de artículos se comporta normal con una media de 50 y
una desviación estándar de 15.
Ubicando el punto “q”
 Se debe encontrar el punto "q" de manera que se
acumule hacia la derecha de la función dicha área.
q-u
z0 = ------
o
q = u + z0 * o
 En el ejemplo
q = 50 + (0.26)(15)
q = 53.90
q = 54
 Por lo tanto para resolver este problema se deben
solicitar 54 unidades del producto.
TEORÍA DE JUEGOS
TI3601 Modelos de Toma de Decisiones
Teoría de Juegos
 Se desarrolló para analizar situaciones competitivas,
donde dos o más oponentes poseen intereses en
conflicto.
 El objetivo es encontrar las mejores estrategias para
derrotar al oponente.
 En la vida real existen muchos ejemplos donde se
enfrentan varios adversarios, por ejemplo juegos de
salón o de mesa, campañas de mercadeo y publicidad,
campañas políticas y enfrentamientos militares.
 Se supondrá siempre que los jugadores quieren
maximizar sus ganancias o bien minimizar sus pérdidas.
Principales Modelos
 Juegos de 2 personas o de N personas.
 Si el número de jugadores es 2, se conoce como un juego de 2 personas, de
forma inversa, si el número de jugadores es mayor que 2 se denominan juegos
de N personas.
 Juegos de suma cero y juegos que no son de suma cero.
 En un juego de suma cero, la suma de puntos ganados por un jugador es igual a
la suma de puntos perdidos por otro. De esta forma un jugador gana a
expensas del otro. Si el juego no es de suma cero un jugador puede ganar
puntos sin que el otro los pierda.
 Juegos de información perfecta e información imperfecta.
 Si la estrategia de un jugador puede ser descubierta por su competidor,
entonces el juego es de información perfecta. En caso de ser un escenario con
información imperfecta ninguno de los jugadores tiene suficiente información
para descubrir la estrategia de sus competidores por lo que deben suponer, por
medio de probabilidades, que tipo de estrategia realizarán.
 Estrategia pura y estrategia mixta.
 Si los jugadores seleccionan la misma estrategia en cada jugada se denomina
un juego de estrategia pura. Si por el contrario, para cada jugada se
selecciona una estrategia diferente se llama un juego de estrategia mixta.
Principales características
 Existen dos jugadores únicamente.
 Cada jugador busca maximizar sus ganancias o minimizar sus
pérdidas.
 Cada jugador tiene un número finito de posibles estrategias.
 La estrategia de cada jugador se ejecuta de forma
simultánea, de manera que ninguno de ellos conoce la
estrategia del oponente con anterioridad.
 Se supone que los jugadores son racionales, de manera que
cada uno de ellos tratará de jugar tan bien como le sea
posible.
 El resultado del juego es fijo y puede ser predeterminado.
 El resultado del juego representa algún tipo de utilidad para
los jugadores.
Representación
 Se representa mediante una tabla a la que se le
llama matriz de pagos.
 La matriz de pagos se da únicamente para el
jugador A ya que la tabla del jugador B, se
obtiene al multiplicar todos sus valores por -1
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
Para el jugador A Para el Jugador B
 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.
 Al seguir estas estrategias el jugador A, ganará 1

cada vez que se juega el juego, mientras que B
perderá 1.
Juegos estrategía pura
 Si la matriz de pagos tiene un punto de silla se dice
que el juego es de estrategía pura.
 Para encontrar el punto de silla se utiliza una
estrategia denominada minimax o maximin.
 Elimine todas las estrategias que pueda mediante la técnica
de dominancia.
 Para cada fila encuentre el valor mínimo, luego encuentre el
máximo de las filas, este valor se llamará el maximin.
 Para cada columna encuentre el valor máximo, luego
encuentre el mínimo de las columnas, este valor se llamará
el minimax
 Si el valor del maximin concuerda con el valor del minimax
se tiene un punto de equilibrio denominado punto de silla.
Ejemplo
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
 Mediante la técnica de dominancia el juego se

reduce a:
B2 B3
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
Maximin <= VJ<= Minimax

Maximin ≠ Minimax -> el juego no tiene punto de silla
Para el ejemplo: -2 <= VJ <= 2
Método Algebraico
 Para el jugador A:
B1 B2
(d - c)
A1 a b p = -----------
(a+d)-(b+c)
A2 c d
Las estrategias mixtas de este juego se  Para el jugador B

pueden enunciar como: (d - b)
•El jugador A debe usar A1 con una q = -----------
probabilidad p. (a+d)-(b+c)
•El jugador A debe usar A2 con una
probabilidad 1-p.
•El jugador B debe usar B1 con una  El Valor del Juego
probabilidad q. (ad - bc)
•El jugador B debe usar B2 con una VJ = -----------
probabilidad 1-q. (a+d)-(b+c)
En el ejemplo
B2 B3  Para el jugador A:
(-3 - 4)
p = ----------- = 7/11
A1 -2 2
(-2+ -3)-(2+4)
 Para el jugador B
A2 4 -3 (-3 - 2)
q = ----------- = 5/11
(-2+ -3)-(2+4)
 El juego tiene un valor de  El Valor del Juego
2/11 lo que significa que es (-2*-3 – 2*4)
favorable para el jugador A VJ = ---------------- = 2/11
(-2+-3)-(2+4)
Método Gráfico
B2 B3
p A1 -2 2
1-p A2 4 -3
q 1-q
Para el jugador A Para el jugador B
 Cuando B2: -2 p + 4(1-p) = -6p + 4  Cuando A1: -2 q + 2(1-q) = -4q + 2

 Cuando B3: 2 p + -3 (1-p) = 5p – 3  Cuando A2: 4 q + -3 (1-q) = 7q – 3
 -6p + 4 = 5p -3  -4q + 2 = 7q -3
 -6p -5p = -3 -4  -4q -7q = -3 -2
 -11 p = - 7  -11 q = - 5
 p = 7/11  q = 5/11
Valor del juego
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

EX4MODELOS

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

EX4MODELOS

Cargado por

Copyright:

Formatos disponibles

PROBLEMAS DE

 Una tarea se asigna a un procesador.

Se seleccionan los ceros

 Se obtiene la respuesta final:

 Y el valor de z está dado por:

Se resta el elemento mínimo de cada fila

Se resta el elemento mínimo de cada fila

Reste el menor de los valor descubiertos de los otros elementos descubiertos.

Se tiene una asignación óptima cuando ocurre uno de estos casos:

Se agrega una máquina 3 ficticia.

 Para resolverlos la función de maximización se

 Para convertir un problema de asignación de

 Al igual que con el método simplex se utilizarán dos

 Y el valor de z está dado por:

 Y el valor de z está dado por:

Que se puede escribir como:

Y el valor de z estará dado por:

 Se asigna min(10,13)=10 a (F1,W1).

Y el valor de z está dado por:

cij - (ui + vj)

Por lo tanto se utiliza (F1,W1):

Y el valor de z está dado por:

 Para resolverlos la función de maximización se

 Para convertir un problema de transporte de

 En el problema de transporte los artículos se envían siempre del

 El problema de transbordo los artículos no se envían de manera

 Por ejemplo se puede tratar de un empresa que envía de sus fábricas

• Los cálculos de programación dinámica se hacen en forma recursiva,

Maximizar z= f1(x(1)) + f2(x(2)) + ... + fn(x(n))

• Las funciones "f" no son necesariamente lineales. Asimismo cada una

• El ingreso correspondiente es $62,000.

• ¿Qué pasa si la capacidad del barco se disminuye a 3? Encuentre la

 Método de la Jerarquía Analítica (AHP)

 La entrada aij define al la relación (i, j) de A

 Si las columnas de N son idénticas significa que la

 Consistencia significa que quien toma decisiones

 Toda las filas y columnas de una matriz de

 La relación CR se usa para probar la consistencia

[ 0,200[ 0.50 45,000 | Sin máquina -40,000

+--------------------------------[2]+----------------------- es la "utilidad con

| Con máquina 15,000

VEIP = UIP - UII

76,000 | [200,400[ 0.10 55,000 | Sin máquina 40,000

| [400,600[ 0.40 120,000 | Sin máquina 120,000

| Con máquina 95,000

Prob. conjuntas = prob. previas * prob. condicionales

Las sumatoria de las prob. condicionales genera la prob.

Prob. Posteriores = Prob. Conjuntas / Prob. Absolutas.

 Este árbol indica que la ganancia esperada, mostrada en el nodo 2,

VEII = 53,888 - 51,000 + 5,000

 La ventas seguirán variando día a día, pero podremos

 El VEIP es el máximo monto de dinero que se está

 VEIP = $696 - $660 = $36

 Si se almacena una unidad adicional que no se vende, esto disminuirá

 Si se tienen 10 cajas la probabilidad de vender 10 o más cajas está dada

 El análisis marginal da el mismo resultado que cuando se utilizaron tablas de

 Por lo tanto se debe tener una seguridad mínima de 0.40 de vender

Para el jugador A Para el Jugador B

 Al seguir estas estrategias el jugador A, ganará 1

 Mediante la técnica de dominancia el juego se

Maximin <= VJ<= Minimax

Las estrategias mixtas de este juego se  Para el jugador B

Para el jugador A Para el jugador B

 Cuando B2: -2 p + 4(1-p) = -6p + 4  Cuando A1: -2 q + 2(1-q) = -4q + 2