Académique Documents
Professionnel Documents
Culture Documents
Dinámica
Unidad: 3
The goal of the puzzle is to move all the disks from the leftmost peg to the
rightmost peg, adhering to the following rules:
Técnicas de Investigación
Lineal
programación lineal. Está diseñada para modelos con funciones objetivo
y restricciones lineales. Otras técnicas incluyen la programación entera Programación
de Operaciones
(en la cual las variables asumen valores enteros), la programación Entera
dinámica (en la cual el modelo original puede descomponerse en Programación
subproblemas más pequeños y manejables), la programación de red (en no lineal
la cual el problema puede modelarse como una red), y la programación
Programación
no lineal (en la cual las funciones del modelo son no lineales).» de red
Conocimiento
de la
Estructura
Conocimiento Problema
Terminología Prototípico
de la
Creatividad
variedad de
aplicaciones
Resolución
de Problema de la
Problemas diligencia
PD
Posibles
soluciones
Ruta más
Prueba y Programación
barata en
error dinámica
cada etapa
ABFIJ
Sean xn (n = 1, 2, 3, 4) las variables de decisión que representan el destino inmediato de la etapa n (el n-ésimo
viaje que se hará en diligencia). La ruta seleccionada es A → x1 → x2 → x3 → x4, donde x4 = J.
Sea fn(s, xn) el costo total de la mejor política global para enfrentar las etapas restantes, mientras el agente de
ventas se encuentra en el estado s, listo para iniciar la etapa n y elige xn como destino inmediato.
Dados s y n, sea xn* el valor de xn —no necesariamente único— que minimiza fn(s, xn), y sea f*n(s) el valor
mínimo correspondiente de fn(s, xn). Entones,
donde
fn(s, xn) = costo inmediato (etapa n) + costo futuro mínimo (etapas n + 1 en adelante)
= csxn + f *n + 1(xn)
Programación dinámica: Determinar de manera sucesiva f4*(s), f3*(s), f2*(s), para cada uno de los estados
posibles s y usar después f2*(s) para encontrar f1*(A).
1. Ejemplo prototipo de programación dinámica (5/10)
Procedimiento de solución
Caso: s = C
1. Ejemplo prototipo de programación dinámica (7/10)
Términos
Política Especiales
Estado Etapa
Soluciones:
A→C→E→H→J
A→D→E→H→J
A→D→F→I→J
1. Ejemplo prototipo de programación dinámica (8/10)
« El problema de la diligencia es un prototipo literal de los problemas de programación dinámica. »
« En la mayor parte de los casos, el objetivo corresponde a encontrar la trayectoria más corta o bien la más larga
a través de la red. »
1. Ejemplo prototipo de programación dinámica (9/10)
fn(s, xn) = costo inmediato (etapa n) + costo futuro mínimo o máximo (etapas n + 1 en adelante)
= csxn + f *n + 1(xn).
Relación recursiva: La relación recursiva recurre constantemente a las etapas posteriores a medida que se
trabaja hacia atrás una etapa a la vez.
fn(s, xn) = costo inmediato (etapa n) + costo futuro mínimo ó máximo (etapas n + 1 en adelante)
= csxn + f *n + 1(xn).
2. Características de los problemas de los PD (1/2)
1. El problema se puede dividir en etapas, cada una de las cuales requiere de una política de
decisión (serie de decisiones interrelacionadas).
2. Cada etapa tiene cierto número de estados asociados con su inicio (distintas condiciones
posibles en las que se puede encontrar el sistema en cada etapa del problema).
4. El procedimiento de solución está diseñado para encontrar una política óptima para manejar
el problema completo (una política de decisión óptima para cada etapa en cada uno de los
estados posibles).
5. Principio de optimalidad de la PD: La decisión inmediata óptima depende sólo del estado
actual y no de cómo se llegó ahí.
2. Características de los problemas de los PD (2/2)
6. Propiedad Markoviana: Consiste en que el conocimiento del estado actual del sistema
expresa toda la información sobre su comportamiento anterior, información que es necesaria
para determinar la política óptima de ahí en adelante.
8. Se dispone de una relación recursiva que identifica la política óptima para la etapa n, dada la
política óptima para la etapa n + 1.
9. El procedimiento de solución comienza al final y se mueve hacia atrás etapa por etapa para
encontrar cada vez la política óptima para esa etapa hasta que encuentra la política óptima
desde la etapa inicial.
3. Programación Dinámica Determinística y
Probabilística (1/3)
PD
PD Probabilística
Determinística
El estado de la siguiente
etapa está determinado
El estado de la siguiente etapa no está determinado por completo por el estado y la
por completo por el estado
política de la etapa actual.
y la política de decisión de
la etapa actual.
La distribución de
Se tiene una distribución probabilidad queda
de probabilidad para completamente Se genera un árbol de
determinar cuál será el determinada por el estado decisiones
siguiente estado. y la política de decisión de
la etapa actual.
3. Programación Dinámica Determinística y
Probabilística (2/3)
PD Determinística PD Probabilística
Relación de Recursividad
3. Programación Dinámica Determinística y
Probabilística (3/3)
Clasificación de problemas de PD Determinística
Maximización de
operaciones
Forma de función
objetivo
Minimización de
Operaciones « Una variable discreta es una variable que solo
puede tomar algunos valores dentro de un mínimo
conjunto numerable, quiere decir, no acepta
Clasificación de
problemas Representados por cualquier valor, únicamente aquellos que pertenecen
una variable de al conjunto. Como ejemplo, el número de animales en
estado discreta una granja (0, 1, 2, 3, 4, 5, 6, 7,......) »
Por ejemplo, si un problema tiene 10 etapas con 10 estados y l0 decisiones posibles en cada etapa, la enumeración
exhaustiva tendría que considerar hasta 10 mil millones de combinaciones, mientras que la programación dinámica
necesita hacer como máximo mil cálculos (10 para cada estado en cada etapa).
NB La recursividad hacia atrás puede ser más eficiente desde el punto de vista computacional.
Problema de la dimensionalidad
« El aumento en la cantidad de variables de estado incrementa los cálculos en cada etapa. Esta dificultad
computacional en ocasiones se conoce en la literatura como el maleficio de dimensionalidad. »
5. Aplicaciones de PD seleccionadas
Aplicación 1: Modelo de la mochila / equipo de vuelo / carga de contenedor
« El modelo de la mochila tiene que ver clásicamente con el hecho de determinar los artículos más valiosos que
un combatiente carga en una mochila. »
« El problema representa un modelo de asignación de recursos general en el cual se utilizan recursos limitados
por varias actividades económicas. El objetivo es maximizar el rendimiento total. »
Modelo
Sujeto a
Paso 2
W = 4 tn
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 1: Modelo de la mochila / equipo de vuelo / carga de contenedor
Etapa 3
Etapa 2
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 1: Modelo de la mochila / equipo de vuelo / carga de contenedor
Etapa 1
Etapa 1: Etapa 2:
x 1 = 4 → m1 * = 2 x2 = x1 – 2m1* = 4 – 2x2 = 0 → m2* = 0 La solución óptima tiene la forma:
→ w1m1* = 2 x 2 = 4; r1m1 = 31 x 2 = 62 → w2m2* = 3 x 0 = 3; r2m2* = 47 x 0 = 0 (m1*; m2*; m3*)
→ 62 mil dólares → 0 mil dólares = (4; 0; 0)
Xi-1; Cantidad de
Estado en la etapa i trabajadores en la
semana i-1
5. Aplicaciones de PD seleccionadas
Aplicación 2: Modelo de tamaño de la fuerza de trabajo
Ecuación Recursiva
fn+1(xn)
Paso 1
Paso 2
Un contratista estima que el tamaño de la fuerza de trabajo necesaria durante las siguientes 5 semanas es
de 5,7,8,4 y 6 trabajadores, respectivamente. La mano de obra excedente conservada en la fuerza de trabajo
costará $300 por trabajador por semana, y una nueva contratación en cualquier semana incurrirá en un
costo fijo de $400 más $200 por trabajador por semana.
Etapa 5
Etapa 4
Etapa 3
Etapa 2
Etapa 1
Solución óptima:
x0 = 0
→ x1 = 5
→ x2 = 8
→ x3 = 8
→ x4 = 6
→ x5 = 6
Programa de trabajo:
5. Aplicaciones de PD seleccionadas
Aplicación 3: Modelo de reemplazo de equipo
« Las máquinas que permanecen mucho tiempo en servicio incurren en un alto costo de
mantenimiento y pueden ser reemplazadas después de una cierta cantidad de años en operación.
La situación tiene que ver con determinar la edad más económica de una máquina. »
Conservar (K) /
Alternativas en la etapa i reemplazar (R) la
máquina al inicio del año i
Edad de la máquina al
Estado en la etapa i
inicio del año i
5. Aplicaciones de PD seleccionadas
Aplicación 3: Modelo de reemplazo de equipo
Ecuación Recursiva
fn (t)
Paso 1
Paso 2
« Una compañía necesita determinar la política de reemplazo para una máquina que a la fecha
tiene tres años de edad, durante los siguientes 4 años (n 5 4). Una máquina de 6 años de edad
debe ser reemplazada. El costo de una máquina nueva es de $100,000. La siguiente tabla da los
datos del problema. »
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 3: Modelo de reemplazo de equipo
« Al inicio del año 1 tenemos una máquina de 3 años de edad. Podemos o reemplazarla (R), o bien conservarla
(K) durante otro año. Si el reemplazo ocurre, la nueva máquina tendrá un año de edad al inicio del año 2; de lo
contrario, la máquina conservada tendrá 4 años de edad. »
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 3: Modelo de reemplazo de equipo
Etapa 4
Etapa 3
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 3: Modelo de reemplazo de equipo
Etapa 2
Etapa 1
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 3: Modelo de reemplazo de equipo
Solución
(R, K, K, R) $55,300
Política
óptima
(R, R, K, K) $55,300
5. Aplicaciones de PD seleccionadas
Aplicación 4: Modelo de Inversión
Suponga que desea invertir las cantidades P1, P2,…, Pn, al inicio de cada uno de los siguientes n
años. Tiene dos oportunidades de inversión en dos bancos. First Bank paga una tasa de interés r1
y Second Bank paga r2, ambos compuestos anualmente. Para fomentar los depósitos, ambos
bancos pagan bonos sobre nuevas inversiones en la forma de un porcentaje de la cantidad
invertida. Los porcentajes de los bonos respectivos para First Bank y Second Bank son qi1 y qi2
para el año i.
NB1 Los bonos se pagan al final del año en que se hizo la inversión y pueden reinvertirse en
cualquiera de los bancos en el año inmediatamente subsiguiente. Esto significa que sólo pueden
invertirse bono y dinero nuevo fresco en cualquiera de los bancos.
NB2 Una vez que se deposita una inversión, debe permanecer en el banco hasta el final del año n.
Planteamiento
P1, P2, …, Pn = Cantidades a invertir fi(xi) = Valor óptimo de las inversiones en los años i, i + 1, …, y
r1 = Tasa de interés – First Bank n, dada xi.
r2 = Tasa de interés – Second Bank si = Suma acumulada (de inversiones) al final del año n
qi1 = Porcentaje de bono – First Bank Ii= Inversión realizada en el año i en First Bank
qi2 = Porcentaje de bono – Second Bank [ (xi – I) = Ī ] = Inversión realizada en el año i en Second Bank
αk = (1 + rk); k= 1, 2
Los términos qn1 y qn2 en sn se agregan porque los bonos para el año n forman parte de la suma de dinero final acumulada a
partir de la inversión.
5. Aplicaciones de PD seleccionadas
Aplicación 4: Modelo de Inversión
Elementos clave
Cantidades invertidas
Alternativas en la etapa
en First Bank y en Ii e Īi
i
Second Bank
Cantidad disponible
Estado en la etapa i para inversión al inicio
del año i
5. Aplicaciones de PD seleccionadas
Aplicación 4: Modelo de Inversión
La cantidad reinvertida xi incluye sólo dinero nuevo más cualesquier bonos de inversiones
realizadas en el año i - 1.
5. Aplicaciones de PD seleccionadas
Aplicación 4: Modelo de Inversión
Ecuación Recursiva
fn+1 (xn+1)
Paso 1
Paso 2
Suponga que desea invertir $4000 ahora y $2000 al inicio de los años 2 a 4. La tasa de interés
ofrecida por First Bank es 8% compuesto anualmente, y los bonos a lo largo de los 4 años
siguientes son 1.8%, 1.7%, 2.1% y 2.5%, respectivamente. La tasa de interés anual ofrecida por
Second Bank es .2% más baja que la de First Bank, pero sus bonos son .5% más altos. El objetivo
es maximizar el capital acumulado al cabo de 4 años.
αk = (1 + rk); k= 1, 2
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 4: Modelo de Inversión
Etapa 4
Donde:
Por lo tanto:
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 4: Modelo de Inversión
Etapa 3
Donde:
Por lo tanto:
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 4: Modelo de Inversión
Etapa 2
Donde:
Por lo tanto:
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 4: Modelo de Inversión
Etapa 1
Donde:
Por lo tanto:
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 4: Modelo de Inversión
I1* = 4000
→ I2* = x2
→ I 3 * = I4 * = 0
Solución óptima
Bibliografía
Hillier, F. (2010). Investigación de Operaciones. Capítulo 10