UNIVERSIDAD NACIONAL ABIERTA

AREA DE INGENIERA
CARRERA DE INGENIERA DE SISTEMAS

TRABAJO PRCTICO
ASIGNATURA:

CD. ASIGNATURA:

APLICACIONES DE PROGRAMACIN
ENTERA Y DINAMICA

359

NOMBRE DEL ESTUDIANTE:

CDULA DE IDENTIDAD:
CORREO ELECTRNICO:
TELFONO (S):
CENTRO LOCAL:
ARAGUA

CD. CENTRO LOCAL:

0400

CARRERA:
INGENIERA DE SISTEMAS

CD. CARRERA:
236

ASESOR:
FIRMA DEL ESTUDIANTE: _____________________________

LAPSO: 2015-1

Contenido
2

INTRODUCCIN........................................................................................................ 3

OBJETIVO 3 ................................................................................................................ 4

3.1

PLANTEAMIENTO DEL PROBLEMA .......................................................................................... 4

3.2

SOLUCIN .......................................................................................................................................... 5

OBJETIVO 4 ............................................................................................................. 11

4.1

PROBLEMA ..................................................................................................................................... 11

4.2

SOLUCIN ....................................................................................................................................... 11

OBJETIVO 7 ............................................................................................................. 15

5.1

PLANTEAMIENTO DEL PROBLEMA ....................................................................................... 15

5.2

SOLUCIN ....................................................................................................................................... 15

INTRODUCCIN

El presente trabajo tiene la finalidad de poner en prctica los

conocimientos adquiridos de la materia 359 APLICACIONES DE
PROGRAMACIN ENTERA Y DINAMICA.
En el objetivo 3 el planteamiento nos lleva a la empresa
productora de Cemento para analizar la mejor opcin posible para
disminuir los costos en la reduccin de la cantidad de partculas
de los diferentes contaminantes que se diseminan en el ambiente,
mejorando la calidad de vida de los habitantes de la zona.
En el objetivo 4 nos presentan una empresa que produce
juguetes en nuestro ejemplo de muecas, la empresa quiere
conocer como minimizar los costos para producir la cantidad de
muecas por tipo en las dos mquinas disponibles, de acuerdo a
una demanda establecida.
En el objetivo 7 nos presentan un problema de una empresa
de mercadeo que quiere conocer si saca uno de sus productos
fuera del mercado de acuerdo a unas probabilidades usando las
cadenas de Markov, se presentan las diferentes alternativas y
para cada una de ellas si se maneja o no publicidad.

OBJETIVO 3

3.1

PLANTEAMIENTO DEL PROBLEMA

Cemeca, es una empresa productora de cemento en el pas, que

se encuentra ubicada en una zona cuya comunidad ha crecido y
prosperado junto a la compaa dando empleo a muchos de sus
habitantes. Sin embargo, al pasar el tiempo la contaminacin no
controlada del aire debido a los hornos de la planta est en camino
de poner en peligro la salud de sus habitantes.
Es por ello que tanto la empresa como los pobladores de la zona
y la alcalda han establecido tres tipos principales de
contaminantes, adems los nuevos estndares de pureza en el
ambiente requieren que la empresa reduzca la emisin anual de
estos contaminantes en las cantidades que se presentan en la
siguiente tabla:

La planta dispone de hornos, filtros y combustibles que minimizan

la cantidad de partculas molidas contaminantes que en el proceso
de produccin se disemina en el ambiente. La siguiente tabla
proporciona la reduccin de la tasa de emisin (en millones de
libras por ao).

La empresa requiere minimizar los costos anuales en que incurrir

para reducir la contaminacin, la siguiente tabla muestra los
costos por hornos, filtros y combustibles:

De igual forma, la empresa determin unos costos fijos de 2

millones por cada uno de los Hornos altos y bajos por lo tanto k1 =
2 k2 = 2.
Dada la informacin anterior y debido a la naturaleza de encontrar
un plan que satisfaga los requerimientos con el menor costo
posible se form un equipo de investigacin de operaciones, ste
equipo decidi enfocar el problema desde un punto de vista de
Programacin Entera.
Responda los siguientes tems:
Modele el problema de Programacin Entera.
Resulvalo aplicando el paquete de programacin que
disponga.
Interprete los resultados.
3.2

SOLUCIN

Variables de decisin
Xi: Millones de toneladas de partculas contaminantes
molidas en los hornos de chimeneas altas. Donde i = 1, 2, 3.
1 Partculas contaminantes molidas de Polvo de Horno.
2 Partculas contaminantes molidas de Monxido (CO).
3 Partculas contaminantes molidas de xido de Azufre.
5

Yi: Millones de toneladas de partculas contaminantes

molidas en los hornos de chimeneas bajas. Donde i = 1, 2, 3.
1 Partculas contaminantes molidas de Polvo de Horno.
2 Partculas contaminantes molidas de Monxido (CO).
3 Partculas contaminantes molidas de xido de Azufre.
Zi: Millones de toneladas de partculas contaminantes
molidas usando filtros en chimeneas altas. Donde i = 1, 2, 3.
1 Partculas contaminantes molidas de Polvo de Horno.
2 Partculas contaminantes molidas de Monxido (CO).
3 Partculas contaminantes molidas de xido de Azufre.
Wi: Millones de toneladas de partculas contaminantes
molidas usando filtros en chimeneas bajas. Donde i = 1, 2, 3.
1 Partculas contaminantes molidas de Polvo de Horno.
2 Partculas contaminantes molidas de Monxido (CO).
3 Partculas contaminantes molidas de xido de Azufre.
Mi: Millones de toneladas de partculas contaminantes
molidas usando combustible en chimeneas altas. Donde i = 1, 2,
3.
1 Partculas contaminantes molidas de Polvo de Horno.
2 Partculas contaminantes molidas de Monxido (CO).
3 Partculas contaminantes molidas de xido de Azufre.
Ni: Millones de toneladas de partculas contaminantes
molidas usando combustible en chimeneas bajas. Donde i = 1, 2,
3.
1 Partculas contaminantes molidas de Polvo de Horno.
6

2 Partculas contaminantes molidas de Monxido (CO).

3 Partculas contaminantes molidas de xido de Azufre.
1 Si usamos hornos en chimeneas altas
K1
0 Si no lo usamos
1 Si usamos hornos en chimeneas bajas
K2
0 Si no lo usamos

Funcin Objetivo
MIN Costo = 2 K1 + 2 K2 + 8 X1 + 8 X2 + 8 X3 + 10 Y1 + 10 Y2
+ 10 Y3 + 7 Z1 + 7 Z2 + 7 Z3 + 6 W1 + 6 W2 + 6 W3 + 11 M1 + 11
M2 + 11 M3 + 9 N1 + 9 N2 + 9 N3
SUJETO A
12 X1 + 9 Y1 + 25 Z1 + 20 W1 + 17 M1 + 13 N1 =

60

35 X2 + 42 Y2 + 18 Z2 + 31 W2 + 56 M2 + 49 N2 =

120

37 X3 + 53 Y3 + 28 Z3 + 24 W3 + 29 M3 + 20 N3 =

125

- 84 K1 + X1 + X2 + X3 <= 0
- 104 K2 + Y1 + Y2 + Y3 <= 0
Programa usando LINDO 6.1 Resultado

LP OPTIMUM FOUND AT STEP

OBJECTIVE FUNCTION VALUE

1)

62.47108

VARIABLE VALUE

REDUCED COST

K1

0.000000

2.000000

K2

0.022678

0.000000

X1

0.000000

4.640000

X2

0.000000

1.571429

X3

0.000000

1.005443

Y1

0.000000

7.499231

Y2

0.000000

2.304945

Y3

2.358490

0.000000

Z1

2.400000

0.000000

Z2

0.000000

3.693877

Z3

0.000000

1.706821

W1

0.000000

0.400000

W2

0.000000

0.306122

W3

0.000000

1.462990

M1

0.000000

6.240000

M2

0.000000

0.714286

M3

0.000000

5.517779

N1

0.000000

5.360000

N2

2.448980

0.000000

N3

0.000000

5.219158

ROW SLACK OR SURPLUS

DUAL PRICES

2)

0.000000

-0.280000

3)

0.000000

-0.183673

4)

0.000000

-0.189042

5)

0.000000

0.000000

6)

0.000000

0.019231

NO. ITERATIONS=

RANGES IN WHICH THE BASIS IS UNCHANGED:

OBJ COEFFICIENT RANGES
VARIABLE CURRENT

COEF

ALLOWABLE
INCREASE

ALLOWABLE
DECREASE

K1

2.000000

INFINITY

2.000000

K2

2.000000

149.783768

2.000000

X1

8.000000

INFINITY

4.640000

X2

8.000000

INFINITY

1.571429

X3

8.000000

INFINITY

1.005443

Y1

10.000000

INFINITY

7.499231

Y2

10.000000

INFINITY

2.304945

Y3

10.000000

1.440229

INFINITY

Z1

7.000000

0.500000

INFINITY

Z2

7.000000

INFINITY

3.693877

Z3

7.000000

INFINITY

1.706821

W1

6.000000

INFINITY

0.400000

W2

6.000000

INFINITY

0.306122

W3

6.000000

INFINITY

1.462990

M1

11.000000

INFINITY

6.240000

M2

11.000000

INFINITY

0.714286

M3

11.000000

INFINITY

5.517779

N1

9.000000

INFINITY

5.360000

N2

9.000000

0.483871

INFINITY

N3

9.000000

INFINITY

5.219158

RIGHTHAND SIDE RANGES

ROW

CURRENT
RHS

ALLOWABLE
INCREASE

ALLOWABLE
DECREASE

60.000000

INFINITY

60.000004

120.000000

INFINITY

120.000000

125.000000

INFINITY

124.999992

0.000000

INFINITY

0.000000

0.000000

2.358490

INFINITY

El costo mnimo segn la solucin ptima es: Costo = 62.47108

Bolvares fuertes. Esto le corresponde a la solucin continua.
El costo mnimo correspondiente a la solucin entera es: Costo =
64.425720 Bs.
La solucin ptima establece que no debe usarse el horno en
chimeneas altas
Moler 2.358.490 partculas contaminantes de xido de azufre en
los hornos de chimeneas bajas (Y3).
Moler 2.400.000 partculas contaminantes de Polvo de horno
usando filtros en chimeneas altas (Z1).
Moler 2.448.980 partculas contaminantes de Monxido (CO)
usando combustible en chimeneas bajas (N2).

10

OBJETIVO 4
4.1

PROBLEMA

La compaa de Juguetes JVG. C.A. es la compaa ms grande

en su ramo, entre sus diferentes marcas produce las muecas
Pily, Alix y Mela. Cada una de estas muecas se produce en dos
mquinas. A la mquina (1) le lleva por lo menos 6,5 horas
elaborar las tres muecas y la mquina (2) se demora por lo
menos 9,5 horas en fabricar tres de Pily, uno de Alix y cuatro de
Mela.
La demanda de Pily es de un mximo de una mueca, mientras
que Alix es de un mximo de dos muecas, para Mela se espera
sea de un mximo de cuatro muecas. Si los costos de produccin
de Pily, Alix y Mela son 1, 3, y 5 Unidades Monetarias (UM).
Cunto se debe producir de cada una de las tres muecas para
minimizar los costos de produccin, para ello aplique
Programacin Entera (PE) y realice lo siguiente:
a. Modele el problema de Programacin Entera.
b. Enumera las soluciones posibles del problema.
c. Aplique el Algoritmo de Corte para lograr la solucin ptima.
d. Conclusiones.
4.2

SOLUCIN

Evaluando el problema nos enfrentamos en principio a un

problema de programacin lineal entera ya que:
1. El nmero de muecas a producir es entero.
2. Podemos considerar el manejo de dos variables de decisin
(0 y 1) que son:
a. La primera decisin si las muecas se producen en la
maquina 1.
11

3.

4.

5.

6.

b. La segunda si las muecas se producen en la

maquina 2.
No tenemos una restriccin de tiempo, el cual es un
problema ya que esto ocasiona una restriccin infinita en el
tiempo.
La especificacin de la produccin de cada mquina no es
clara:
a. Para la maquina 1 dice que produce simultneamente
los tres tipos de muecas en 6,5 horas, pero no est
definido el tiempo que toma cada una.
b. Para la maquina 2 ocurre algo similar produce
simultneamente 3 de Pily, 1 de Alix y 4 de Mela en
9,5 horas sin especificar el tiempo en cada una.
La demanda es contradictoria con la produccin definida en
el punto 4, si probamos lo siguiente:
a. Si usamos la maquina 1, el modelo Pily solo podemos
producir una sola mueca.
b. Si usamos la maquina 2, el mismo modelo se pueden
producir 3 solo si la usamos una sola vez.
c. Si usamos la maquina 1 solo podemos producir una
sola mueca de cada tipo.
Al analizar el tiempo empleado para producir las muecas
en las dos mquinas, podemos constatar que el mismo es
independiente, usamos la maquina 1 para producir por
separado cada tipo de mueca, pero para ello
necesitremos una restriccin del tiempo al utilizar dicha
mquina, igual razonamiento se le aplicara a la maquina 2.

En la tabla a continuacin se muestra unas consideraciones

de posibles alternativas para la produccin de dichas
muecas.

12

Pily

Alix

Mela

Pily

Alix

Mela

Pily

Alix

Mela

Montando el problema en el paquete de programacin Winqsb da

un problema no factible, ver prueba 1:
LP

MatrixFormat

Juguetes JVG

Variable -->

X1

X2

X3

Direction

Minimize

C1

<=

6.5

C2

<=

9.5

C3

>=

C4

>=

5
R. H. S.

13

C5

LowerBound

UpperBound

VariableType

Integer

>=

Integer

Integer

En Lindo 6.1

Conclusin: Se probaron distintas formas y por las razones

descriptas anteriormente, este problema no es factible desde el
punto de vista de lo planteado.

14

OBJETIVO 7
5.1

PLANTEAMIENTO DEL PROBLEMA

El gerente de mercadeo de una empresa revisa cada ao el

estado de uno de sus productos importantes y debe decidir si tiene
que retirarlo del mercado, clasifica sus volmenes de ventas
durante cada mes en a) regular b) bueno c) excelente. Estudios
de mercados indican que en un ao las siguientes matrices 1 y
2 representan las probabilidades de transicin sin y con
publicidad durante cualquier ao. Los ingresos correspondientes
se representan con las matrices 1 y 2

Para una tctica permanente K= 1 o K = 2 y r = 0.9 determine la

esperanza matemtica del valor actualizado para ambas tcticas
sin y con publicidad.
5.2

SOLUCIN

Conjunto de los posibles estados es:

1, 2, 3

, que le

corresponden a los volmenes de venta para cada mes:

(1) si el volumen de venta es regular.
(2) si el volumen de venta es bueno.
(3) si el volumen de venta es excelente.
El conjunto de decisiones est constituido por los dos niveles
referentes a la publicidad: U 1, 2, donde:
(1) representa que no se realiza publicidad
15

 (2) representa que si se realiza publicidad.

1 1 1 1 2 2 2 2

, entonces: K 1, 1 , 2 , 2 , 1 , 1 , 2 , 2 76
1 2 1 2 1 2 1 2

Como U 1, 2

Paso 1:
1

A la tctica permanente K 1 1 , le corresponden las matrices:
1

T (1)

0,2 0,5 0,3

7 6 3
5,3

0 0,5 0,5 ; R (1) 0 5 1 ; y q (1) 3
1
0
0 0 1
0
1

donde el vector q

q (1)

(1)

, lo calculamos de la siguiente manera:

(0,2 * 7) (0,5 * 6) (0,3 * 3) 5,3

(0 * 0) (0,5 * 5) (0,5 *1) 3
(0 * 0) (0 * 0) (1 * (1)) 1

Paso 2:
1

A la tctica permanente K 1 , le corresponden las matrices:
2

2

T ( 2)

0,2 0,5 0,3

7 6 3
5,3

0
0,5 0,5 ; R ( 2) 0 5 1 ; y q ( 2) 3
0,4
0,05 0,4 0,55
6 3 2

(1)
( 2)
donde el vector q , se calcul de manera semejante al q .

16

Paso 3:
1

A la tctica permanente K 2 , le corresponden las matrices:
1

3

T ( 3)

0,2 0,5 0,3

7 6 3
5,3

0,1 0,6 0,3 ; R (3) 7 4 0 ; y q (3) 3,1
1
0
0 0 1
0
1

Paso 4:
1

A la tctica permanente K 2 , le corresponden las matrices:
2

4

T ( 4)

0,2 0,5 0,3

7 6 3
5,3

0,1 0,6 0,3 ; R ( 4) 7 4 0 ; y q ( 4) 3,1
0,4
0,05 0,4 0,55
6 3 2

Paso 5:
2

A la tctica permanente K 1 , le corresponden las matrices:
1

5

T ( 5)

0,3 0,6 0,1

6 5 1
4,7

0 0,5 0,5 ; R (5) 0 5 1 ; y q (5) 3
1
0
0 0 1
0
1

Paso 6:

17

 2

A la tctica permanente K 6 1 , le corresponden las matrices:
2

T ( 6)

0,3 0,6 0,1

6 5 1
4,7

0
0,5 0,5 ; R ( 6) 0 5 1 ; y q ( 6) 3
0,4
0,05 0,4 0,55
6 3 2

Paso 7:
2

A la tctica permanente K 7 2 , le corresponden las matrices:
1

(7)

0,3 0,6 0,1

6 5 1
4,7

(7)
(7)
0,1 0,6 0,3 ; R 7 4 0 ; y q 3,1
1
0
0 0 1
0
1

Paso 8:
2

A la tctica permanente K 2 , le corresponden las matrices:
2

8

T (8)

0,3 0,6 0,1

6 5 1
4,7

0,1 0,6 0,3 ; R (8) 7 4 0 ; y q (8) 3,1
0,4
0,05 0,4 0,55
6 3 2

Inicio del esquema de aproximaciones sucesivas, con

1

K K 1
1

0

Iteracin 1:
18

Formula:

(1) sr, K ( 0) r q K T K sr, K ( 0) rq (1) T (1) sr, K ( 0)

(0)

(0)

Sustituyendo y resolviendo:

s r, K

(0)

5,3 0,2 0,5 0,3

0,9 3 0 0,5 0,5 s r, K ( 0)
1 0
0
1

s r , K ( 0)

4,77 0,18 0,45 0,27

( 0)

2
,
7

0
0
,
45
0
,
45

* s r, K

0,9 0
0
0,9

0,18 0,45 0,27

4,77

0 0,45 0,45 * s r , K ( 0) 2,7 , de donde:

0
0,9
0
0,9

1 0 0 0,18 0,45 0,27

4,77

( 0)
0
1
0

0
0
,
45
0
,
45
*
s
r
,
k

2
,
7

0 0 1 0

0
0,9
0,9

0,82 0,45 0,27

4,77

( 0)
0,55 0,45 * s r, k
2,7
0
0,9
0
0
0,1

al despejar: sr, K

( 0)

, nos queda: sr, k

( 0)

0,82 0,45 0,27

0
0,55 0,45
0
0
0,1

4,77

2,7
0,9

calculamos la matriz inversa usando Matlab y nos queda:

s r, k ( 0 )

(0)
1,2195 0,9978 7,2827 4,77 1,5067 s 1, r, k

0
1,8182 8,1818 * 2,7 2,4545 s 2, r, k ( 0)
0
0
10 0,9 9 s 3, r, k ( 0)

19

(1)
(2) Determinamos k K , mediante la ecuacin:

q k

( l 1)

T k

( l 1)

sr, k ( l ) max q (k ) T (k ) sr, k ( l )

kK

(k )
(k )
( 0)
Como el vector: q T s r,k
, posee tres componentes,

entonces la ecuacin antes mencionada es un sistema de tres

ecuaciones independientes, las cuales son:
(k )
q1k p11
k (k )
q 2 p 21
q k p (k )
3 31

Primera ecuacin:

(k )
s 1, r, k ( 0)
p13

(k )
p 23 * s 2, r, k ( 0)
(k )
( 0)
p 33
s 3, r, k

(k )
p12
p (22k )
(k )
p 32

(k )
(k )
(k )
q1(k ) p11
* s 1, r, k (0) p12
* s 2, r, k (0) p13
* s 3, r, k (0)

Segunda ecuacin:

q (2k ) p (21k ) * s 1, r, k (0) p (22k ) * s 2, r, k (0) p (23k ) * s 3, r, k (0)

Tercera ecuacin:

(k )
(k )
(k )
q 3(k ) p 31
* s 1, r, k (0) p 32
* s 2, r, k (0) p 33
* s 3, r, k (0)

Se analiza cada ecuacin por separado:

Primera ecuacin: Como por definicin de K, la primera
componente k1 de cualquier tctica permanente k, solo toma
valores de 1 y 2, entonces.
Si k1 = 1, la ecuacin queda como:
20

(1)
(1)
(1)
q1(1) p11
* s 1, r, k (0) p12
* s 2, r, k (0) p13
* s 3, r, k (0)

sustituyendo tenemos:
5,3 + (0,2 * 1,5067) + (0,5 * (-2,4545)) + (0,3 * (-9)) = 1,67409
Si k1 = 2, la ecuacin queda como:

( 2)
( 2)
( 2)
q1( 2) p11
* s 1, r, k ( 0) p12
* s 2, r, k (0) p13
* s 3, r, k (0)

sustituyendo tenemos:
4,7 + (0,3 * 1,5067) + (0,6 * (-2,4545)) + (0,1 * (-9)) = 2,77931
Como max1,67409 ; 2,77931 2,77931 , entonces la primera
componente de k

(1)

es de 2.

Segunda ecuacin:
Si k1 = 1, la ecuacin queda como:

q (21) p (211) * s 1, r, k (0) p (221) * s 2, r, k (0) p (231) * s 3, r, k (0)

sustituyendo tenemos:
3 + (0 * 1,5067) +( 0,5 * (-2,4545)) + (0,5 * (-9)) = -2,72725
Si k1 = 2, la ecuacin queda como:

q (22) p (212) * s 1, r, k (0) p (222) * s 2, r, k (0) p (232) * s 3, r, k (0)

sustituyendo tenemos:
21

3,1 + (0,1 * 1,5067) +( 0,6 * (-2,4545)) + (0,3 * (-9)) = -0,92203

Como max 2,72725 ; 0,92203 0,92203 , entonces la segunda
(1)
componente de k
es de 2.

Tercera ecuacin:
Si k1 = 1, la ecuacin queda como:

(1)
(1)
(1)
q 3(1) p 31
* s 1, r, k (0) p 32
* s 2, r, k (0) p 33
* s 3, r, k (0)

sustituyendo tenemos:
-1 + (0 * 1,5067) +( 0 * (-2,4545)) + (1 * (-9)) = -10
Si k1 = 2, la ecuacin queda como:

( 2)
( 2)
( 2)
q 3( 2) p 31
* s 1, r, k (0) p 32
* s 2, r, k (0) p 33
* s 3, r, k (0)

sustituyendo tenemos:
0,4 + (0,05 * 1,5067) + (0,4*(-2,4545)) + (0,55 * (-9)) = -5,456465
Como max 10 ; 5,456465 5,456465 , entonces la tercera
(1)
componente de k es 2.

2

Por lo tanto: K 1 2 K 8 K 0 , se tiene que iterar de nuevo.
2

Iteracin 2:

22

(1) Usamos la ecuacin:

(1)
( 1)
s r, K (1) r q K T K s r, K (1) r q (8) T (8) s r, K (1)

4,7 0,3 0,6 0,1

= 0,9 3,1 0,1 0,6 0,3 s r, K (1)

0,4 0,05 0,4 0,55

s r, K

(1)

4,23 0,27 0,54 0,09

(1)
2,79 0,09 0,54 0,27 * s r, K
0,36 0.045 0,36 0,495

0,27 0,54 0,09

0,09 0,54 0,27 * s r, K (1)

0,045 0,36 0,495

4,23

2,79
0,36

Donde:
1 0 0 0,27 0,54 0,09
4,23

(1)
0
1
0

0
,
09
0
,
54
0
,
27
*
s
r
,
k

2
,
79

0 0 1 0,045 0,36 0,495

0,36

0,73
0,54 0,09
4,23

(1)
0,46 0,27 * s r, k 2,79
0,09
0,36
0,045 0,36 0,505

al despejar sr, K (1) , nos queda:

s r, k

(1)

0,54 0,09
0,73

0,09
0,46 0,27
0,045 0,36 0,505

4,23

2,79
0,36

calculamos esa matriz inversa usando Matlab:

s r, k

(1)

(1)
2,1533 4,8629 2,9837 4,23 23,7503 s 1, r, k

0,9181 5,8113 3,2706 * 2,79 21,2744 s 2, r, k (1)

0,8464 4,5760 14,5776 0,36 17,9951 s 3, r, k (1)

(2) Determinamos k ( 2) K , mediante la ecuacin:

23

q k

( l 1)

T k

Como el vector:

( l 1)

sr, k (l ) max q (k ) T (k ) sr, k (l )

kK

q (k ) T (k ) s r,k (1) , posee tres componentes,

entonces la ecuacin antes mencionada es un sistema de tres

ecuaciones independientes, las cuales son:
(k )
q1k p11
k (k )
q 2 p 21
q k p (k )
3 31

(k )
s 1, r, k (1)
p13

(k )
p 23 * s 2, r, k (1)
(k )
(1)
p 33
s
3
,
r
,
k

(k )
p12
p (22k )
(k )
p 32

Primera ecuacin:

(k )
(k )
(k )
q1(k ) p11
* s 1, r, k (1) p12
* s 2, r, k (1) p13
* s 3, r, k (1)

Segunda ecuacin:

q (2k ) p (21k ) * s 1, r, k (1) p (22k ) * s 2, r, k (1) p (23k ) * s 3, r, k (1)

Tercera ecuacin:

(k )
(k )
(k )
q 3(k ) p 31
* s 1, r, k (1) p 32
* s 2, r, k (1) p 33
* s 3, r, k (1)

Primera ecuacin: Como por definicin de K, la primera

componente k1 de cualquier tctica permanente k, solo toma
valores de 1 y 2, entonces.
Si k1 = 1, la ecuacin queda como:

(1)
(1)
(1)
q1(1) p11
* s 1, r, k (1) p12
* s 2, r, k (1) p13
* s 3, r, k (1)

sustituyendo tenemos:
24

5,3 +(0,2 * 23,7503) +(0,5 * 21,2744) +(0,3 *17,9951) = 26,08579

Si k1 = 2, la ecuacin queda como:

( 2)
( 2)
( 2)
q1( 2) p11
* s 1, r, k (1) p12
* s 2, r, k (1) p13
* s 3, r, k (1)

sustituyendo tenemos:
4,7 + (0,3 * 23,7503) +( 0,6 * 21,2744) + (0,1 * 17,9951) = 26,38924
Como

max26,08579 ; 26,38924 26,38924 , entonces la primera

componente de k ( 2) es de 2.
Segunda ecuacin:
Si k1 = 1, la ecuacin queda como:

q (21) p (211) * s 1, r, k (1) p (221) * s 2, r, k (1) p (231) * s 3, r, k (1)

sustituyendo tenemos:
3 + (0 * 23,7503) +( 0,5 * 21,2744) + (0,5 * 17,9951) = 22,63475
Si k1 = 2, la ecuacin queda como:

q (22) p (212) * s 1, r, k (1) p (222) * s 2, r, k (1) p (232) * s 3, r, k (1)

sustituyendo tenemos:
3,1 + (0,1 * 23,7503) +(0,6 * 21,2744) + (0,3 *17,9951) = 23,6382
Como max22,63475 ; 23,6382 23,6382 , entonces la segunda
componente de k ( 2) es de 2.
25

Tercera ecuacin:
Si k1 = 1, la ecuacin queda como:

(1)
(1)
(1)
q 3(1) p 31
* s 1, r, k (1) p 32
* s 2, r, k (1) p 33
* s 3, r, k (1)

sustituyendo tenemos:
-1 + (0 * 23,7503) +( 0 * 21,2744) + (1 * 17,9951) = 16,9951
Si k1 = 2, la ecuacin queda como:

( 2)
( 2)
( 2)
q 3( 2) p 31
* s 1, r, k (1) p 32
* s 2, r, k (1) p 33
* s 3, r, k (1)

sustituyendo tenemos:
0,4 +(0,05*23,7503)+(0,4 *21,2744)+(0,55 *17,8851) = 19,99458
Como max16,9951 ; 19,99458 19,99458 , entonces la tercera
componente de k ( 2) es 2.
Resultado final:
2

Por lo tanto: K 2 2 K 8 , entonces la tctica permanente ptima
2

2

2

es K K 2 , el valor de la funcin objetivo actualizado

2

26

sobre una infinidad de periodos correspondiente a K es:

s r, k (1)

23,7503

21,2744
17,9951

27