Proga

P rogr a m a ción
Dinámica
Unidad: 3
Docente: Ing. CIP Mauricio Azálgara Bedoya

Escuela Profesional de Ingeniería Industrial
Introducción (1/2)
« La técnica de Investigación de Operaciones más importante es
la programación lineal. Está diseñada para modelos con
funciones objetivo y restricciones lineales. Otras técnicas Programación
incluyen la programación entera (en la cual las variables Lineal
asumen valores enteros), la programación diná mica (en la Programación
Investigación
de Operaciones
cual el modelo original puede descomponerse en subproblemas Entera
más pequeños y manejables), la programación d e red (en la Programación
Técnicas de
cual el problema puede modelarse como una red), y la no lineal
programación n o lineal (en la cual las funciones del modelo Programación
son no lineales).» de red
Programación
« Una peculiaridad de la mayoría de las técnicas de Investigación dinámica
de Operaciones es que por lo general las soluciones no se obtienen
en formas cerradas (como si fueran fórmulas), sino que más bien
se determinan mediante algoritmos. Un algoritmo proporciona
reglas fijas de cálculo que se aplican en forma repetitiva al
problema, y cada repetición (llamada iteración) acerca la Computad ora
solución a lo óptimo. Como los cálculos asociados con cada Heurística
iteración suelen ser tediosos y voluminosos, es recomendable que

estos algoritmos se ejecuten con la computadora . »
Iteración Algoritmo
« Algunos modelos matemáticos pueden ser tan complejos
que es imposible resolverlos con cualquiera de los
algoritmos de optimización disponibles. En esos casos quizá
sea necesario abandonar la búsqueda de la solución óptima
y simplemente buscar una buena solución aplicando la
heurística, y la metaheurística, o bien reglas empíricas. »
0. Introducción (2/2)
« La programación dinámica es u n a técnica muy útil

para tomar u n a sucesión de decisiones
interrelacionadas. »
« Requiere la formulación de una relación recursiva

apropiada para cada problema individual. »
1. Ejemplo prototipo de programación dinámica
(1/10)
« La programación dinámica es u n a técnica matemática útil p a r a la toma de decisiones secuenciales
interrelacionadas. Proporciona u n procedimiento sistemático p a r a determinar la combinación óptima
de decisiones. »
Conocimiento
de la
Estructura
Conocimiento Problema
Term inología P rototíp ico
de la
Creatividad
variedad de
aplicaciones
Resolución
de Problema de la
Problemas diligencia
PD
« El problema de la diligencia se construyó

especialmente p a r a ilustrar las características e
introducir la terminología de la programación
dinámica. »
El problema de la diligencia
(2/10)
Este paradigma se refiere a u n caza fortunas mítico de Missouri que decide ir al oeste a
sumergirse en la fiebre del oro que surgió en California a mediados del siglo xix. Tiene que hacer
el viaje en diligencia a través de territorios sin ley, donde existen serios peligros de ser atacado
por merodea dores. A pesar de que su punto de partida y su destino son fijos, tiene muchas
opciones en cuanto a qué estados —o territorios— debe elegir como puntos intermedios. E n la
figura se mu e s t r a n las r u t a s posibles, en donde cada estado se representa mediante u n círculo
con u n a letra; además, en el diagrama, la dirección del viaje es siempre de izquierda a derecha.
Sistema de caminos y costos del problema de la diligencia

(3/10)
El problema de la diligencia
Posibles
soluciones
R ut a m á s
P rueba y P rogram ación
b a r a t a en
error dinámica
cada et apa
ABFIJ
Sistema de caminos y costos del problema de la diligencia

(4/10)
El problema de la diligencia – Resolución mediante programación dinámica
Formulación
Sean x n (n = 1, 2, 3, 4) las variables de decisión que representan el destino inmediato de la etapa n (el n-ésimo
viaje que se h a r á en diligencia). La r u t a seleccionada es A → x 1 → x 2 → x 3 → x 4 , donde x 4 = J.
Sea f n (s, x n ) el costo total de la mejor política global p a r a enfrentar las etapas restantes, mientras el agente de
ventas se encuentra en el estado s, listo p a r a iniciar la etapa n y elige x n como destino inmediato.
Dados s y n, sea x n * el valor de x n —no necesariamente único— que minimiza f n (s, x n ), y sea f* n (s) el valor
mínimo correspondiente de f n (s, x n ). Entones,
f n *(s) = mín f n (s, x n ) = f n (s, x n *),
donde
f n (s, x n ) = costo inmediato (etapa n) + costo futuro mínimo (etapas n + 1 en adelante)

= c sxn + f * n + 1 (x n )
Objetivo: Encontrar f 1 * (A) y la r u t a correspondiente.
Programación dinámica: Determinar de ma n e r a sucesiva f4*(s), f3*(s), f2*(s), p a r a cada uno de los estados
posibles s y u s a r después f2*(s) p a r a encontrar f 1 *(A).
Procedimiento de solución
(5/10)
E n el problema de la diligencia, el procedimiento de solución se basa en
construir u n a tabla de cada et apa (n) que prescribe la decisión óptima
(x*n) p a r a cada estado posible (s).
1. Ejemplo prototipo de programación dinámica (6/10)
Caso: s = C
(7/10)
Términos
Política E speciales
Estado Et a p a
Descripción gráfica de la solución de programación

dinámica del problema dela diligencia. Cad a flecha
mu e s t r a u n a política de decisión óptima.
Soluciones:
A→C→E →H →J
A→D→E →H →J
A → D → F → I→ J
(8/10)
« El problema de la diligencia es u n prototipo literal de los problemas de programación dinámica. »
Los problemas de
programación dinámica se
pueden interpretar en
términos de las redes.
Cada nodo corresponde a un
estado.
La red consistiría en columnas
« E n 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. »
de nodos, donde cada

columna corresponde a una
(9/10)
f n (s, x n ) = costo inmediato (etapa n) + costo futuro mínimo o máximo (etapas n + 1 en adelante)
= c sxn + f * n + 1 (x n ).
Relación recursiva: La relación recursiva recurre constantemente a las etapas posteriores a medida que se
trabaja hacia a t r á s u n a etapa a la vez.
NB El fundamento de la relación es que f n *(s n ) está definida en términos de fn+1*(sn+1)

1. Ejemplo prototipo de programación dinámica (10/10)
P a ra todos los problemas de programación dinámica, se obtiene u n a tabla como la siguiente
p a ra cada eta p a (n 5 N , N 2 1, . . . , 1).
f n (s, x n ) = costo inmediato (etapa n) + costo futuro mínimo ó máximo (etapas n + 1 en adelante)
= c sxn + f * n + 1 (x n ).
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).
3.El efecto de la política de decisión en cada etapa es transformar el estado actual en

u n estado asociado con el inicio de la siguiente etapa.
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.
7. El procedimiento de solución comienza cuando se determina la política
óptima para la última etapa.
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
El estado de la siguiente etapa no está determinado por
etapa está
determinado por completo por el estado y la política de la etapa actual.
completo por el
estado y la política
de decisión de la La distribución
etapa actual. Se tiene una de probabilidad
distribución de queda
Se genera un
probabilidad completamente árbol de
para determinada por decisiones
determinar cuál el estado y la
será el política de
decisión de la
siguiente estado.
etapa actual.
(2/3)
PD Determinística PD Probabilística
S = número de estados posibles en la etapa n + 1

p i = probabilidad en el estado i dados el estado s n y la decisión x n
en la etapa n.
C i = Contribución en la etapa n dado el estado i
Relación de Recursividad
(3/3)
Clasificación de problemas de PD Determinística
Maximización de
operaciones
Forma de función
objetivo
Minimización de
Operaciones « U n a vari ab l e d i s c re t a es u n a variable que solo
puede tomar algunos valores dentro de u n mínimo
conjunto numerable, quiere decir, no acepta
Clasificación de
problemas Representados por cualquier valor, únicamente aquellos que pertenecen
u n a variable de al conjunto. Como ejemplo, el número de animales en
estado discreta u n a granja (0, 1, 2, 3, 4, 5, 6, 7,......) »
Representados por « U n a vari ab l e c o n t i n u a puede tomar u n valor fijo

Conjunto de dentro de u n intervalo determinado. Y siempre entre
u n a variable de
estados
estado continua dos valores observables va a existir u n tercer valor
intermedio que también podría tomar la variable
continua. Como ejemplo, la e s t a t u r a de u n a persona
Representados por (1.71m, 1.719m, 1.7154m....) »
u n vector de estado
Wikipedia (2017). Variable discreta y variable
continua
4. Información adicional
Ahorros computacionales sobre PD
« La PD proporciona grandes ahorros computacionales en comparación con la enumeración exhaustiva p a r a
encontrar la mejor combinación de decisiones, en especial cuando se t r a t a de problemas grandes. »
Por ejemplo, si u n problema tiene 10 etapas con 10 estados y l0 decisiones posibles en cada etapa, la enumeración
exhaustiva tendría que considerar h a s t a 10 mil millones de combinaciones, mientras que la programación dinámica
necesita hacer como máximo mil cálculos (10 p a r a cada estado en cada etapa).
Principio de optimalidad (Formulación alternativa)

« Las decisiones futuras p a r a todas las etapas futuras constituyen u n a política óptima independientemente de la
política adoptada en todas las etapas precedentes. »
Recursividad hacia adelante (avance) y hacia a t r á s (retroceso)

« E n la recursividad hacia adelante, los cálculos proceden desde la etapa 1 a la n; en la recursividad hacia atrás, los
cálculos proceden hacia atrás. »
NB La recursividad hacia a t r á s 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. Es t a 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
u n combatiente carga en u n a mochila. »
« El problema representa u n 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
La solución óptima tiene la forma:

(m 1 *; m 2 *; m 3 *; …; m n *)
W = Capacidad de la mochila (peso)
m i = Cantidad de unidades del artículo i
m i * = Alternativa óptima
r i = Ingreso unitario
w i = Peso del artículo i
seleccionadas
Elementos clave
Etapa i Artículo i i = 1, 2,…, n
Alternativas en la et ap a Cantidad de unidades

mi = 0, 1, . . . , [W/w i]
i del artículo i
x i; El peso total asignado

Estado en la et apa i a las et apas (artículos) i,
i + 1,…, y n
El rendimiento p a r a m i es r i m i
seleccionadas
Ecuación Recursiva
fi(xi) como u n a
función de fi(xi+1)
Paso 1
Paso 2
Xx+1 como u n a
función de x i
seleccionadas
Ejemplo / Aplicación 1: Modelo de la mochila / equipo de vuelo / carga de contenedor
W = 4 tn
seleccionadas
Et a p a 3
El peso exacto a ser asignado a la

et apa 3 (artículo 3) no se conoce
con anticipación pero puede
suponer uno de los valores 0, 1,…,
y 4 (porque W = 4 toneladas y w 3 =
1 tonelada).
Et a p a 2
seleccionadas
Et a p a 1
Solución óptima Teniéndose u n a capacidad de W = 4 t n
E t a p a 1: E t a p a 2:
x1 = 4 → m1* = 2 x 2 = x 1 – 2m 1 * = 4 – 2x2 = 0 → m 2 * = 0 La solución óptima tiene la forma:
→ w 1 m 1 * = 2 x 2 = 4; r 1 m 1 = 31 x 2 = 62 → w 2 m 2 * = 3 x 0 = 0; r 2 m 2 * = 47 x 0 = 0 (m 1 *; m 2 *; m 3 *)
→ 62 mil dólares → 0 mil dólares = (2; 0; 0)
NB No hay m á s capacidad disponible La restricción tiene la forma:

p a r a los artículos 2 y 3. E t a p a 3: w1m1* + w2m2* + w3m3 ≤ W
x 3 = x 2 – 3m 2 * = 0 – 3x0 = 0 → m 3 * = 0 2x2 + 3x0 + 1x0 ≤ 4
→ w 3 m 3 * = 3 x 0 = 3; r 3 m 3 * = 14 x 0 = 0 4 ≤ 4 [Si cumple]
→ 0 mil dólares
seleccionadas
Aplicación 2: Modelo de tamaño de la fuerza de trabajo
« Las necesidades de mano de obra en proyectos de construcción pueden satisfacerse contratando
y despidiendo trabajadores. Ambas actividades incurren en u n costo. El objetivo es minimizar el
costo total de la mano de obra requerida p a r a el proyecto. »
n = duración del proyecto (semanas)

b i = F u er za de mano de obra mínima requerida en la s e ma n a i
Se excede el El costo de m a n t e n e r u n a fuerza de trabajo x i mayor que la mínima b i en la

requerimiento sem ana i incurre en costo excedente:
mínimo C 1 (xi - bi ).
Costo adicional
Cont ratación Si x i > x i-1 , ocurre contratación a u n costo adicional de:
adicional C 2 (x i – xi-1 )
seleccionadas
Elementos clave
Etapa i Semana i i = 1, 2,…, n
Alternativas en la et ap a Cantidad de
x i = 0, 1, . . . , [W/w i]
i trabajadores i
Xi-1; Cantidad de
Estado en la et apa i trabajadores en la
sem ana i-1
seleccionadas
Ecuación Recursiva
f n+1 (x n)
Paso 1
Paso 2
fi(xi-1) como u n a
función de fi+1(xi)
El costo de m a n t e n e r u n a fuerza de trabajo x i mayor que la mínima b i

en la s em ana i incurre en costo excedente: Si x i > x i-1 , ocurre contratación a u n costo adicional de:
C 1 (xi + b i ). C 2 (x i – xi-1 )
5. Aplicaciones de PD seleccionadas
Ejemplo / Aplicación 2: Modelo de tamaño de la fuerza de trabajo
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 u n a nueva contratación en cualquier semana incurrirá en u n
costo fijo de $400 más $200 por trabajador por semana.
Las funciones de costo C1 y C2 están en cientos de dólares.

seleccionadas
Etapa 5
Etapa 4
Si x i > xi-1 , ocurre contratación a u n costo adicional de:

C 2 (x i – xi-1 )
Etapa 3
Etapa 2

C 2 (x i – xi-1 )
seleccionadas
Etapa 1

C 2 (x i – xi-1 )
seleccionadas
Solución óptima:
x0 = 0
→ x1 = 5
→ x2 = 8
→ x3 = 8
→ x4 = 6
→ x5 = 6
P r o g r ama de trabajo:
Aplicación 3: Modelo de reemplazo de equipo
« Las máq u i n as que permanecen mucho tiempo en servicio incurren en u n alto costo de
mantenimiento y pueden ser reemplazadas después de u n a cierta cantidad de años en operación.
La situación tiene que ver con determinar la edad má s económica de u n a máquina. »
Supuesto: El problema de reemplazo abarca n años
r(t) = Ingreso anual

c(t) = Costo de operación
s(t) = Valor de desecho
I = Costo de adquisición de u n a máquina
seleccionadas
Elementos clave
Etapa i Año i i = 1, 2,…, n
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
Ecuación Recursiva
f n (t)
Paso 1
Paso 2
f i (t) como u n a
función de f i+1 (t +1)
Ejemplo / Aplicación 3: Modelo de reemplazo de equipo
« U n a compañía necesita determinar la política de reemplazo p a r a u n a máq u i n a que a la fecha

tiene tres años de edad, d u r a n t e los siguientes 4 años (n 5 4). U n a máq u i n a de 6 años de edad
debe ser reemplazada. El costo de u n a máq u i n a nueva es de $100,000. La siguiente tabla d a los
datos del problema. »
La lógica del problema
« Al inicio del año 1 tenemos u n a 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 u n año de edad al inicio del año 2; de lo
contrario, la máquina conservada tendrá 4 años de edad. »
Etapa 4
Etapa 3
seleccionadas
Etapa 2
Etapa 1
Solución
(R, K, K, R) $55,300
Política
óptima
(R, R, K, K) $55,300
seleccionadas
Aplicación 4: Modelo de Inversión
Suponga que desea invertir las cantidades P 1 , P 2 ,…, P n , al inicio de cada uno de los siguientes n
años. Tiene dos oportunidades de inversión en dos bancos. First Ban k paga u n a t a s a de interés r 1
y Second Ban k paga r 2 , ambos compuestos anualmente. P a r a fomentar los depósitos, ambos
bancos pagan bonos sobre nuevas inversiones en la forma de u n porcentaje de la cantidad
invertida. Los porcentajes de los bonos respectivos p a r a First Ban k y Second Ban k son q i1 y q i2
p a r a 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 U n a vez que se deposita u n a inversión, debe permanecer en el banco h a s t a el final del año n.
P 1 , P 2 , …, P n = Cantidades a invertir
r 1 = Tasa de interés – First Ban k
r 2 = Tasa de interés – Second Ban k
q i1 = Porcentaje de bono – First Ban k
q i2 = Porcentaje de bono – Second Ban k
Planteamiento
P 1 , P 2 , …, P n = Cantidades a invertir f i (x i ) = Valor óptimo de las inversiones en los años i, i + 1, …, y

r 1 = Tasa de interés – First Bank n, dada x i .
r 2 = Tasa de interés – Second Bank s i = S u ma acumulada (de inversiones) al final del año n
q i1 = Porcentaje de bono – First Bank I i = Inversión realizada en el año i en First Bank
q i2 = Porcentaje de bono – Second Bank [ (xi – I) = Ī ] = Inversión realizada en el año i en Second Bank
α k = (1 + r k ); k= 1, 2
Los términos qn1 y qn2 en sn se agregan porque los bonos p a r a el año n forman part e de la s u m a de dinero final acumulada a
part i r de la inversión.
seleccionadas
Elementos clave
Etapa i Año i i = 1, 2,…, n
Cantidades invertidas
Alternativas en la et ap a
en First Bank y en Ii e Īi
i
Second Bank
Cantidad disponible
Estado en la et apa i p a r a inversión al inicio
del año i
Por definición se tiene:
La cantidad reinvertida x i incluye sólo dinero nuevo má s cualesquier bonos de inversiones

realizadas en el año i - 1.
seleccionadas
Ecuación Recursiva
f n+1 (x n+1 )
Paso 1
Paso 2
fi(x) como u n a
función de f i+1 (xi+1 )
Ejemplo / Aplicación 4: Modelo de Inversión
Suponga que desea invertir $4000 ahora y $2000 al inicio de los años 2 a 4. La t a s a de interés
ofrecida por First Ban k 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 t a s a de interés an u al ofrecida por
Second Ban k es .2% má s baja que la de First Bank, pero sus bonos son .5% má s altos. El objetivo
es maximizar el capital acumulado al cabo de 4 años.
P 1 , P 2 , …, P n = Cantidades a invertir
r 1 = Tasa de interés – First Ban k
r 2 = Tasa de interés – Second B an k
q i1 = Porcentaje de bono – First Ban k
q i2 = Porcentaje de bono – Second Ban k
α k = (1 + r k ); k= 1, 2
Etapa 4
Donde:
La función s 4 es lineal en I 4 en el intervalo 0 ≤ I 4 ≤ x 4 , y su valor máximo ocurre en I 4 = 0 debido al

coeficiente negativo de I 4
Por lo tanto:
seleccionadas
Etapa 3
Donde:
Por lo tanto:
seleccionadas
Etapa 2
Donde:
Por lo tanto:
Etapa 1
Donde:
Por lo tanto:
Revisión hacia a t r á s
I 1 * = 4000
→ I 2 * = x2
→ I3* = I4* = 0
Solución óptima

Proga

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Proga

Transféré par

Droits d'auteur :

Formats disponibles

P rogr a m a ción

Docente: Ing. CIP Mauricio Azálgara Bedoya

iteración suelen ser tediosos y voluminosos, es recomendable que

« La programación dinámica es u n a técnica muy útil

« Requiere la formulación de una relación recursiva

« El problema de la diligencia se construyó

Sistema de caminos y costos del problema de la diligencia

Sistema de caminos y costos del problema de la diligencia

f n *(s) = mín f n (s, x n ) = f n (s, x n *),

f n (s, x n ) = costo inmediato (etapa n) + costo futuro mínimo (etapas n + 1 en adelante)

Objetivo: Encontrar f 1 * (A) y la r u t a correspondiente.

Descripción gráfica de la solución de programación

de nodos, donde cada

NB El fundamento de la relación es que f n *(s n ) está definida en términos de fn+1*(sn+1)

3.El efecto de la política de decisión en cada etapa es transformar el estado actual en

5. Principio de optimalidad de la PD: La decisión inmediata óptima depende sólo

9.El procedimiento de solución comienza al final y se mueve hacia atrás

S = número de estados posibles en la etapa n + 1

Representados por « U n a vari ab l e c o n t i n u a puede tomar u n valor fijo

Principio de optimalidad (Formulación alternativa)

Recursividad hacia adelante (avance) y hacia a t r á s (retroceso)

La solución óptima tiene la forma:

Etapa i Artículo i i = 1, 2,…, n

Alternativas en la et ap a Cantidad de unidades

x i; El peso total asignado

El peso exacto a ser asignado a la

Solución óptima Teniéndose u n a capacidad de W = 4 t n

NB No hay m á s capacidad disponible La restricción tiene la forma:

n = duración del proyecto (semanas)

Se excede el El costo de m a n t e n e r u n a fuerza de trabajo x i mayor que la mínima b i en la

Etapa i Semana i i = 1, 2,…, n

El costo de m a n t e n e r u n a fuerza de trabajo x i mayor que la mínima b i

Las funciones de costo C1 y C2 están en cientos de dólares.

Si x i > xi-1 , ocurre contratación a u n costo adicional de:

Si x i > xi-1 , ocurre contratación a u n costo adicional de:

Si x i > xi-1 , ocurre contratación a u n costo adicional de:

Supuesto: El problema de reemplazo abarca n años

r(t) = Ingreso anual

Etapa i Año i i = 1, 2,…, n

« U n a compañía necesita determinar la política de reemplazo p a r a u n a máq u i n a que a la fecha

La lógica del problema

P 1 , P 2 , …, P n = Cantidades a invertir f i (x i ) = Valor óptimo de las inversiones en los años i, i + 1, …, y

Etapa i Año i i = 1, 2,…, n

Por definición se tiene:

La cantidad reinvertida x i incluye sólo dinero nuevo má s cualesquier bonos de inversiones

La función s 4 es lineal en I 4 en el intervalo 0 ≤ I 4 ≤ x 4 , y su valor máximo ocurre en I 4 = 0 debido al

Vous aimerez peut-être aussi

f n (s) = mín f n (s, x n ) = f n (s, x n ),

NB El fundamento de la relación es que f n (s n ) está definida en términos de fn+1(sn+1)