Beruflich Dokumente
Kultur Dokumente
CAPÍTULO 1 -1-
FUNDAMENTOS GENERALES -1-
1. MÉTODOS CUANTITATIVOS EN LA ADMINISTRACIÓN -1-
2. POSIBILIDADES Y LIMITACIONES -2-
3. LOS MÉTODOS CUALITATIVOS -2-
4. EL PAPEL DE LOS MÉTODOS CUANTITATIVOS -3-
CAPÍTULO 2 -4-
TEORÍA DE LAS DECISIONES -4-
1. GENERALIDADES -4-
2. LOS SISTEMAS -4-
3. LOS MODELOS -5-
4. TIPOS BÁSICOS DE PROBLEMAS DE DECISIÓN -5-
4.1. CONDICIONES DE CERTIDUMBRE -6-
4.2. CONDICIONES DE INCERTIDUMBRE -6-
4.3. CONDICIONES DE RIESGO - 16 -
4.3.1. EL ÁRBOL DE DECISIÓN - 17 -
4.3.2. INCERTIDUMBRE Y RIESGO - 18 -
4.3.3. SIMULACIÓN - 19 -
4.3.4. LA TEORÍA BAYESIANA - 21 -
4.3.5. VALOR ESPERADO DE LA INFORMACIÓN PERFECTA (VEIP) - 23 -
4.4. CONDICIONES DE CONFLICTO - 25 -
PROBLEMAS RESUELTOS - 26 -
PROBLEMAS PROPUESTOS - 29 -
ORIENTACIÓN PARA RESPUESTAS A PROBLEMAS PROPUESTOS - 42 -
CAPÍTULO 3 - 49 -
PROGRAMACIÓN LINEAL - 49 -
1. CONCEPTO - 49 -
2. MÉTODOS DE RESOLUCIÓN DE PROBLEMAS - 49 -
3. PLANTEAMIENTO DE PROBLEMAS - 50 -
4. INGRESO DE DATOS PARA EL EXCEL - 51 -
5. CASOS PRESENTADOS EN PROGRAMACIÓN LINEAL - 53 -
PROBLEMAS RESUELTOS () - 55 -
PLANTEAMIENTO Y RESPUESTAS - PROBLEMAS RESUELTOS - 65 -
ANEXO 1 - 77 -
INFORMES DEL SOLVER PARA PROGRAMACIÓN LINEAL - EXCEL - 77 -
1. INFORME DE RESPUESTAS - 77 -
2. INFORME DE SENSIBILIDAD - 78 -
3. INFORME DE LÍMITES - 81 -
ANEXO 2 - 82 -
ASPECTOS BÁSICOS SOBRE EL LINGO - 82 -
CAPÍTULO 4 - 89 -
EL PROBLEMA DEL TRANSPORTE - 89 -
1. DEFINICIÓN DEL PROBLEMA - 89 -
2. MÉTODOS PARA HALLAR UNA SOLUCIÓN FACTIBLE - 89 -
3. CASOS PRESENTADOS - 89 -
PROBLEMAS RESUELTOS () - 90 -
PROBLEMAS PROPUESTOS - 91 -
RESPUESTAS - PROBLEMAS RESUELTOS - 94 -
CAPÍTULO 5 - 100 -
EL PROBLEMA DE LA ASIGNACIÓN - 100 -
1. DEFINICIÓN DEL PROBLEMA - 100 -
2. MÉTODOS PARA DETERMINAR UNA SOLUCIÓN FACTIBLE - 100 -
3. CASOS PRESENTADOS - 100 -
PROBLEMAS RESUELTOS - 101 -
PROBLEMAS PROPUESTOS - 103 -
RESPUESTAS - PROBLEMAS RESUELTOS - 106 -
CAPÍTULO 6 - 108 -
TEORÍA DE JUEGOS - 108 -
1. OBJETIVO - 108 -
2. NÚMERO DE PARTICIPANTES - 108 -
3. PREMIO O PAGO - 108 -
4. ESTRATEGIAS - 108 -
5. MATRIZ DEL JUEGO O MATRIZ DE PREMIOS - 108 -
6. VALOR DEL JUEGO - 109 -
7. SUPUESTOS PARA UN JUEGO - 109 -
8. PUNTOS MINIMAX (O DE SILLA) - 109 -
9. JUEGOS DE DOS OPONENTES Y DOS ESTRATEGIAS - 110 -
9.1. JUEGOS ESTRICTAMENTE DETERMINADOS DE 2 X 2 - 110 -
9.2. JUEGOS NO ESTRICTAMENTE DETERMINADOS DE 2 X 2 - 110 -
10. DOMINACIÓN - 111 -
11. JUEGOS DE m x n MEDIANTE PROGRAMACIÓN LINEAL - 111 -
11.1. LA DUALIDAD EN LA PROGRAMACIÓN LINEAL - 112 -
11.2. FORMULACIÓN EN PROGRAMACIÓN LINEAL - 112 -
11.3. PROCEDIMIENTO SUGERIDO - 113 -
PROBLEMAS RESUELTOS () - 114 -
PROBLEMAS PROPUESTOS - 116 -
RESPUESTAS - PROBLEMAS RESUELTOS - 117 -
RESPUESTAS - PROBLEMAS PROPUESTOS SELECCIONADOS - 120 -
CAPÍTULO 7 - 123 -
PROGRAMACIÓN DINÁMICA - 123 -
1. GENERALIDADES - 123 -
2. EL PROBLEMA DE LA RUTA MÁS CORTA - 123 -
3. CASO DEL ÁRBOL DE EXTENSIÓN MÍNIMA - 123 -
4. CASO DEL FLUJO MÁXIMO - 124 -
5. EL PROGRAMA TORA - 125 -
6. CASO DEL AGENTE VIAJERO - 127 -
7. EL INVOP - 128 -
PROBLEMAS PROPUESTOS - 129 -
BIBLIOGRAFÍA - 138 -
ANÁLISIS CUANTITATIVO PARA DECISIONES I
CAPÍTULO 1
FUNDAMENTOS GENERALES
1. MÉTODOS CUANTITATIVOS EN LA ADMINISTRACIÓN
La Investigación Operativa (también conocida como Investigación de
Operaciones)1, es una rama de las Matemáticas consistente en el uso de
modelos matemáticos, estadística y algoritmos con objeto de realizar un
proceso de toma de decisiones. Frecuentemente, trata el estudio de
complejos sistemas reales, con la finalidad de mejorar (u optimizar) el
funcionamiento del mismo.
Las matemáticas son en esencia, tan antiguas como la historia escrita, y sus
aplicaciones a los negocios se remontan a los inicios del comercio. Contar fue
probablemente la primera aplicación cuando los primeros mercaderes
llevaban sus libros.
La influencia del método científico se dejó sentir a partir de la Primer
Revolución Industrial, con las primeras fábricas vinieron las necesidades de
coordinación y eficiencia ante el alto volumen de operaciones.
En los Estados Unidos Federick Taylor fue quien más contribuyó a popularizar
el enfoque científico en la administración. Taylor era partidario de la toma de
decisiones basada en el análisis exhaustivo, la experimentación cuidadosa y
los hechos objetivos en lugar de las reglas como recetas.
A principios de la Segunda Guerra Mundial, la participación de los Estados
Unidos y sus aliados en acciones militares en Europa y el Pacífico creó
problemas nunca antes vistos de asignación de recursos, programación de la
producción, control de calidad y logística.
La intuición y la experiencia no podían solucionar los problemas planteados,
de allí que se formaron equipos de especialistas en ciencias naturales,
matemáticas e ingeniería para estudiar tales problemas y recomendar
soluciones.
Para entender los enormes problemas los científicos adoptaron el punto de
vista matemático, que tenía la ventaja de poner en claro relaciones
comprendidas intuitivamente.
Pasada la guerra, quedaron algunas técnicas que siguieron utilizándose en
tiempo de paz dentro de la empresa. Surgió la Escuela Matemática en la
Administración que establecía que sólo a través de las relaciones
matemáticas se podría llegar a una Administración Científica.
La experiencia inicial ante el uso indiscriminado de las técnicas matemáticas
dentro de la administración no han tenido mucho éxito, un problema dentro de
la empresa es algo más que relaciones matemáticas, siempre se debe tener
en cuenta que éstas sirven para apoyar o auxiliar el proceso de la toma de
1
Sólo por cuestiones prácticas el curso adopta el nombre de Análisis
Cuantitativo.
RICARDO TOLEDO QUIÑONES
-1-
ANÁLISIS CUANTITATIVO PARA DECISIONES I
CAPÍTULO 2
1. GENERALIDADES
La teoría de la toma de decisiones o el estudio de la toma de decisiones, que
puede definirse como el proceso mediante el cual se salvan obstáculos. Los
obstáculos constituyen problemas que requieren solución.
Los problemas son oportunidades para mejorar, por eso se dice que son
necesarias e útiles para la administración. El proceso de solución exigirá ir de
la identificación del problema, a la puesta en práctica de la mejor alternativa
con su revisión constante.
Se tienen diversos métodos para solucionar problemas, el rutinario o producto
de la experiencia sería por ejemplo uno de ellos, el cuantitativo otro. La
habilidad del administrador permitirá combinaciones múltiples para situaciones
diversas.
La Escuela de la Decisión ha tomado ímpetu gracias a los trabajos de Herbert
Simon que veía el proceso decisorio como sinónimo de administración.
Actualmente se da gran atención al proceso decisorio con herramientas
cuantitativas, los adelantos de la tecnología de la información cada vez más
nos permiten obtener mejores resultados a través de un campo que se está
perfilando y que se ha dado en llamar Sistemas de Información Gerencial
(SIG). Los equipos y programas facilitan la tarea cuantitativa, pero la
administración está rebasando los cánones cuantitativos.
Se ha discutido en todos los tiempos cómo debe actuarse para tomar una
decisión, enmarcado dentro de la búsqueda de la verdad, el resultado del
amplio debate es un enfoque general conocido como el método científico, que
para resolver problemas en la administración fija los pasos generales
siguientes:
a. Definición del Problema.
b. Recolección de datos.
c. Definición de alternativas.
d. Evaluación de alternativas.
e. Selección de la mejor alternativa.
f. Puesta en práctica.
g. Retroalimentación.
2. LOS SISTEMAS
Por sistema se entiende cualquier conjunto de partes relacionadas. Ejemplo:
una compañía, una mesa, un procedimiento contable, un motor.
Los modelos pueden obedecer a diversos niveles de complejidad (jerarquía
de complejidad de los sistemas según Boulding), que van desde los estáticos
3. LOS MODELOS
Los modelos son abstracciones de la realidad cuya situación se quiere
pronosticar. Un problema a resolver es complejo si se considera todos los
elementos que influyen, el hacer una fabrica sin un diseño previo producirá
pérdidas de no adecuarse a los requerimientos del proceso productivo, éstas
pueden evitarse si se utilizan modelos.
Se encuentran diversas clases de modelos: físicos: son representaciones
físicas, ejemplo el diseño de un edificio; gráficos, representan variables
mediante líneas, ejemplo el flujo del tráfico representado en un diagrama;
pictóricos: imágenes que transmiten una idea, un cigarrillo con una aspa;
esquemáticos: muestran el flujo de información y de corrientes, un
organigrama; matemáticos: representan relaciones mediante fórmulas
matemáticas, ejemplo si la eficiencia de una persona en un día de labor
primero se incrementa, pero a medida que transcurre el tiempo llega a un
punto de saturación donde empieza a descender, podría fijarnos un modelo
del tipo Y = 60X - 10X2 donde Y es el porcentaje de la eficiencia y X las horas
corridas trabajadas.
Los modelos matemáticos actualmente tienen gran utilidad en los negocios,
su ventaja es poner al descubierto el carácter exacto de relaciones entre
factores.
TABLA Nº 2.1
CATEGORÍA DE LOS PROBLEMAS DE TOMA DE DECISIONES
cantidad de vehículos introducir este año entre dos nuevos modelos posibles.
Si los ingresos de los consumidores suben en menos de 5%, Raúl
simplemente deberá seguir con los modelos del año anterior. Si el ingreso de
los consumidores se incrementa más del 20% Raúl piensa que los dos
modelos nuevos pueden tener éxito. Elaborar: a) La lista de acciones y
estados de la naturaleza. b) Una Tabla de Ordenamiento Lógico de Valores.
c) La Tabla de Rendimiento suponiendo que la ganancia o pérdida sería de $:
60, 15, 3, 2, 0, -5, -20, -30, -50.
a)
Acciones Estados de la Naturaleza
a1: No introducir los modelos nuevos. s1: Los ingresos del consumidor se incrementan en menos del 5%
a2: Introducir un modelo nuevo. s2: Los ingresos del consumidor se incrementan entre 5 y 20%.
a3: Introducir los dos modelos nuevos. s3: Los ingresos del consumidor se incrementan en más del 20%.
Estados de la Naturaleza
Estrategias s1 s2 s3
a1 Equilibrio Área de Pérdida
a2 Área de
Área de Ganancia
a3 Pérdida
El resultado es:
Estados de la Naturaleza
Estrategias s1 s2 s3
a1 5 4 3
a2 2 7 8
a3 1 6 9
c) Tabla de Rendimiento:
Estados de la Naturaleza
Estrategias s1 s2 s3
a1 0 -5 -20
a2 -30 3 15
a3 -50 2 60
Estados de la Naturaleza
Estrategias s1 s2 s3
a1 0 8 80
a2 30 0 45
a3 50 1 0
CRITERIO MAXIMIN
CRITERIO DE HURWICZ
a1 0 -20
a2 15 -30
a3 60 -50
CRITERIO DE LAPLACE
Estados de la Naturaleza
Estrategias s1 s2
Estados de la Naturaleza
Estrategias s1 s2
a1 1000 99
a2 100 100
Estados de la Naturaleza
Estrategias s1 s2
a1 9 2
a2 4 6
Estados de la Naturaleza
Estrategias s1 s2
a1 0 4
a2 5 0
Estados de la Naturaleza
Estrategias s1 s2
a1 9 2
a2 4 6
a3 3 9
Estados de la Naturaleza
Estrategias s1 s2
a1 0 7
a2 5 3
a3 6 0
Estados de la Naturaleza
Estrategias s1 s2 s3
a1 1 0 1
a2 0 1 0
Estados de la Naturaleza
Estrategias s1 s2
a1 15000 -5000
a2 5000 4000
DOMINACIÓN
• Si entre dos filas, de una de ellas los valores son iguales o mayores, ésta
domina a la otra que puede ser excluida de la evaluación. (MEJOR O
IGUAL)
Estados de la Naturaleza
Estrategias s1 s2 s3 s4
a1 -1 2 4 2
a2 -3 0 5 6
a3 -2 -5 2 8
a4 -5 0 2 5
Estados de la Naturaleza
Estrategias s1 s2 s3 s4
a1 -1 2 4 2
a2 -3 0 5 6
a3 -2 -5 2 8
Se puede notar que en este caso quien decide tratará de obtener los mínimos
costos, por lo que se preferirá los casos que impliquen una menor salida de
dinero.
criterios únicos de decisión, los que estarán muy relacionados con las
actitudes del que debe de elegir un curso de decisión. A los criterios podemos
denominarlos:
MINIMIN
MINIMAX
CASTIGO MINIMAX
CRITERIO DE HURWICS.
CRITERIO DE LAPLACE.
TABLA 2.3
Ejemplo 8: Hallar la probabilidad de ganar apostando por una cara o cruz con
una moneda no "cargada". La probabilidad es 0,5.
Estados de la Naturaleza
Acciones
s1: Bajo s2: Mediano s3: alto
a1: Comprar ($) -1 000 0 1 500
a2: Alquilar ($) 500 500 1 000
Supóngase que Simón Rodríguez asigna a los tres estados posibles las
siguientes probabilidades:
a) ÁRBOL DE DECISIÓN:
Total 60 1,00
4.3.3. SIMULACIÓN
Simulación es el proceso de diseñar y desarrollar un modelo computarizado
de un sistema o proceso y conducir experimentos en este modelo con el
propósito de entender el comportamiento del sistema o evaluar varias
estrategias con las cuales se puede operar el sistema.
La simulación resulta útil para generar una decisión en la que se conocen las
probabilidades de ocurrencia de eventos.
Ejemplo 11: Realizar 100 simulaciones para el caso tratado en el Ejemplo 10,
para lo cual se debe activar el complemento del Excel: “Herramientas para
análisis” que figurará dentro del menú Datos, dentro del mismo se halla la
opción “Generación de números aleatorios” y señalándole que se requiere:
Número de variables = 1, Cantidad de números aleatorios = 100, el Rango de
entrada de valores y probabilidades = (señalar los periódicos vendidos y sus
probabilidades):
6 0,10
7 0,23
8 0,37
9 0,17
10 0,13
Número de Valor
Simulación Simulado
1 9
2 8
3 8
... ...
... ...
98 8
99 7
100 7
Promedio 7,98
a)
s1 s2 s3 s4 s5
Esperanza
Probab. 0.10 0.23 0.37 0.17 0.13
Matemática
6 7 8 9 10
a1 6 30 30 30 30 30 30.00
a2 7 15 35 35 35 35 33.00
a3 8 0 20 40 40 40 31.40
a4 9 (15) 5 25 45 45 22.40
a5 10 (30) (10) 10 30 50 10.00
b)
s1 s2 s3 s4 s5
Esperanza
Probab. 0.10 0.23 0.37 0.17 0.13
Matemática
6 7 8 9 10
a1 6 30 30 30 30 30 30.00
a2 7 20 35 35 35 35 33.50
a3 8 10 25 40 40 40 33.55
a4 9 0 15 30 45 45 28.05
a5 10 (10) 5 20 35 50 20.00
c)
s1 s2 s3 s4 s5
Esperanza
Probab. 0.10 0.23 0.37 0.17 0.13
Matemática
6 7 8 9 10
a1 6 30 28 26 24 22 26.00
a2 7 20 35 33 31 29 31.30
a3 8 10 25 40 38 36 32.69
a4 9 0 15 30 45 43 27.79
a5 10 (10) 5 20 35 50 20.00
P(A|B) = P(A y B)
P(B)
P(PIB) nos indica que se tiene una probabilidad del 0,977 o 97,7% que el
artículo que aleatoriamente se sacó y se catalogó como bueno haya sido
producido dentro de un proceso correctamente preparado.
CASOS:
a) Probabilidad de que haya sido elaborado en un proceso correctamente
preparado, dado que es bueno (P(AIB)).
b) Probabilidad de que haya sido elaborado en un proceso incorrectamente
preparado, dado que es bueno (P(A’IB)).
c) Probabilidad de que haya sido elaborado en un proceso correctamente
preparado, dado que es malo (P(AIB’)).
d) Probabilidad de que haya sido elaborado en un proceso incorrectamente
preparado, dado que es malo (P(A’IB’)).
o)
en
bu
B ( 0,95
to) 0,05
rec
(cor B' (
mal
A o)
0,90
o)
A' ( 0,10 uen
inc B (b 0,20
orr
ect
o)
0,80
B' (
ma
lo)
Mejor valor esperado entre las acciones (a1, a2, a3, a4, a5) B 32.69
s1 s2 s3 s4 s5 Valores
Probab. 0.10 0.23 0.37 0.17 0.13 Esperados
a1 0 7 14 21 28 14.00
a2 10 0 7 14 21 8.70
a3 20 10 0 7 14 7.31
a4 30 20 10 0 7 12.21
a5 40 30 20 10 0 20.00
Mínimo 7.31
PROBLEMAS RESUELTOS
Estados de la Naturaleza
Estrategias s1 s2 s3
a1 5 2 3
a2 4 7 8
a3 1 6 9
s1 s2 s3
a1 1 000 500 2 000
a2 2 000 1 500 -500
Probabilidad
Acción Demanda
Alta Media Baja
Introducción Regional 0,70 0,10 0,20
Introducción Nacional 0,50 0,20 0,30
Ampliación luego de Introducción Regional 0,60 0,10 0,30
Continuar a nivel Regional, luego de Introducción 0,60 0,10 0,30
Regional
PROBLEMAS PROPUESTOS
4. Elaborar un caso referente a una empresa que prevé por primera vez a
un Concurso para abastecer con varios productos a una entidad pública.
1.
a.
b.
Matriz de Ordenamiento Lógico de Valores.
s1 s2
a1 6 1
a2 5 2
a3 4 3
Tabla de rendimientos.
s1 s2
a1 200 000 (20 000)
a2 150 000 20 000
a3 100 000 60 000
d.
CRITERIO ACCIÓN VALOR
MAXIMAX a1 200 000
MAXIMIN a3 60 000
CASTIGO MINIMAX a2 50 000
HURWICS a1 156 000
LAPLACE a1 90 000
2.
a.
Estados
s1 s2 s3
a1 (10) 90 200
Acciones a2 5 5 5
a3 0 0 0
b.
MEJOR
CRITERIO VALOR
ACCIÓN
MAXIMAX a1 200,00
MAXIMIN a2 5,00
CASTIGO MINIMAX a1 15,00
HURWICS a1 126,50
LAPLACE a1 93,33
3.
a. TABLA DE RENDIMIENTOS
Demanda
s1 s2 s3 s4
0 Relojes 1 Reloj 2 Relojes 3 Relojes
a1 0 Relojes 0 -1 -2 -3
a2 1 Reloj -13 5 4 3
Pedido
a3 2 Relojes -26 -8 10 9
a4 3 Relojes -39 -21 -3 15
4.
5.
a.
Estados de la Naturaleza
s1 s2
No se produce Se produce
Acciones sequía sequía
Sembrar 80 hectáreas a1 160 000 (88 000)
Sembrar 40 hectáreas a2 48 000 (44 000)
No sembrar a3 (64 000) 0
c. Incertidumbre.
d.
Estados de la Naturaleza
s1 s2
No se produce Se produce
Acciones Sequía sequía Esperanza
0,75 0,25 Matemática
Sembrar 80 hectáreas a1 160 000 (88 000) 98 000
Sembrar 40 hectáreas a2 48 000 (44 000) 25 000
No sembrar a3 (64 000) 0 (48 000)
6.
a. Las acciones o estrategias serían cerrar y no cerrar la puerta, los estados
de la naturaleza la otra persona está y la otra persona no está. Se da una
condición de incertidumbre si las personas asumen que no se conoce
7.
a)
Acciones Estados de la Naturaleza
a1: Construir de pavimento flexible s1: Tipo I: Baja ventaja
a2: Construir de pavimento rígido s2: Tipo II: Mediana ventaja
a3: Construir de pavimento articulado s3: Tipo III: Buena ventaja
b)
Tabla de rendimiento
s1 s2 s3
a1 66 800.00 77 900.00 74 500.00
a2 70 000.00 59 800.00 56 200.00
a3 88 200.00 63 300.00 40 900.00
c)
CRITERIO ACCION VALOR
MINIMIN a3 40 900.00
MINIMAX a2 70 000.00
CASTIGO MINIMAX a2 15 300.00
HURWICS a3 57 455.00
LAPLACE a2 62 000.00
d)
Adoptarían el criterio de Laplace (de la razón insuficiente) y la decisión sería:
construir la carretera de pavimento rígido, esperando que los costos de
construcción y mantenimiento sean de S/. 62 000 000.
8.
a.
9.
a.
c. Tabla de Rendimientos:
d. Árbol de decisión
10.
Demanda
100 200 300
100 6 5 4
Producción 200 2 8 7
300 1 3 9
11.
a. Si A = Tiene Planes y B = Planta competidora se construye:
0,40 * 0,10
P( A | B) 0,571
0,40 * 0,10 0,60 * 0,50
0,60 * 0,50
P ( A' | B) 0,428
0,60 * 0,50 0,40 * 0,10
b.
se
or a
tid
pe
com uye)
ta tr
an cons
B (Pl 1,00
1.
s1 s2 s3 s4
0 Relojes 1 Reloj 2 Relojes 3 Relojes
a1 0 Relojes Equilibrio Área de Pérdidas
a2 1 Reloj
a3 2 Relojes Área de Pérdidas Área de Ganancias
a4 3 Relojes
2.
a)
Acciones:
a1: No invertir.
a2: Adquirir una parte
a3: Adquirir todo lo requerido
Estados de la Naturaleza
s1: No se aprueba trámite en 60 días.
s2: No se aprueba trámite en 30 días.
s3: Se aprueba trámite en 60 días.
s4: Se aprueba trámite en 30 días.
s1 s2 s3 s4
a2
ÁREA DE PÉRDIDA ÁREA DE GANANCIA
a3
Estados de la naturaleza
s1 s2 s3 s4
a1 7 8 6 5
Acciones o
Estrategias a2 3 4 10 11
a3 1 2 9 12
c) Tabla de Rendimiento
Estados de la naturaleza
s1 s2 s3 s4
(1
a1 ( 5000) 0 0000) ( 1 5000)
Acciones o (2
Estrategias a2 ( 2 5000) 0000) 1 0000 1 5000
(3
a3 ( 3 5000) 0000) 5000 2 0000
d)
RESUMEN DE CRITERIOS
TABLA DE RENDIMIENTO
6.
a)
Acciones:
a1: Dejar la actividad.
a2: Continuar como informal.
a3: Invertir para cumplir normas.
Estados de la Naturaleza:
b)
s1 s2 s3
a1 3 7 9
a2 4 2 1
a3 6 5 8
c)
s1 s2 s3
a1 80 250 400
a2 100 50 0
a3 150 130 300
h) Para una acción coercitiva por parte del Estado, la sanción pecuniaria
debe ser mayor a S/. 130 000 que es el máximo costo que le implica al
minero el invertir para formalizarse (considerando que la norma da un
plazo de 3 años).
RESUMEN DE CRITERIOS
CRITERIO ACCION VALOR
MINIMIN a2 0.00
MINIMAX a2 100.00
CASTIGO MINIMAX a2 20.00
HURWICS a2 50.00
LAPLACE a2 50.00
La tabla que oriente al Estado será en todo caso con distintos valores y
la técnica a utilizar podría ser distinta: Teoría de Juegos, para un
análisis de riesgo con probabilidades.
TABLA DE RENDIMIENTO
8.
a) La Tabla de Rendimiento es la siguiente.
TABLA DE RENDIMIENTO
s1 s2 s3
No acepta contrato a1 0.00 -100.00 -200.00
Ejecución indirecta a2 -500.00 950.00 1100.00
Ejecución directa a3 -800.00 700.00 1400.00
MAXIMAX a3 1 400.00
MAXIMIN a1 ( 200.00)
CASTIGO MINIMAX a2 500.00
HURWICS a3 850.00
LAPLACE a2 516.67
Incremento
Utilidades no Incremento alto
medio de
se incrementan de utilidades
utilidades
s1 s2 s3
10.
a) Se muestra la Tabla de Rendimiento:
Es falsa Es auténtica
s1 s2
No compra pieza arqueológica a1 0 -300
Compra pieza arqueológica a2 -500 900
b) Para el lector.
c) La explicación podría ser que José se pone de acuerdo con un precio y
luego él sin comprarlo, lo ofrece a otra persona ganando 300 u.m.
d) Para que sea una situación de certidumbre, tendría que someterlo a
evaluación por un especialista que pueda definir con conocimiento si se
está frente a una pieza arqueológica falsa o auténtica y a partir de ello
decidir.
e) No, porque si se acepta en hipotética al ser falsa se tendrá una pérdida y
no un cero como lo planteado en las respuestas.
11. Sólo se lista la Tabla de Ordenamiento Lógico de valores.
Policía
Policía no Policía recupera
recupera parte
recupera nada todo lo robado
de lo robado
s1 s2 s3
No hace denuncia a1 4 3 2
Formula denuncia a2 1 5 6
12.
Medicina no
Medicina es Medicina sana la
tiene ningún
sólo paliativo enfermedad
efecto
s1 s2 s3
No realiza la investigación a1 5 4 3
Investigación asociada a2 2 7 8
Investigación independiente a3 1 6 9
15.
TEOREMA DE BAYES
0.35
0.40 B
B'
A
0.65
0.20
A'
B
0.60 B' 0.80
CAPÍTULO 3
PROGRAMACIÓN LINEAL
1. CONCEPTO
Es una técnica matemática que permite asignar recursos limitados tales como
dinero, personal, materiales, equipos, espacio, tiempo, etc.
En algunos casos se invierte, llegando a ser las filas las columnas y las
columnas las filas, por una situación de comodidad de manejo de la
información.
SALIDAS
DISPONIBILIDADES
ENTRADAS
(RESTRICCIONES)
PRODUCT. 1 PRODUCT. 2
RECURSO I
RECURSO II
UTILIDAD O COSTO
A modo de ejemplo práctico del uso del Solver (que tiene también otras
aplicaciones por ser un optimizador), ver el primer Problema Resuelto de
programación lineal, sobre las bicicletas y motonetas. Asumiendo que se
ingresó la información en la forma que aparece en la Figura 3.1.
FIGURA 3.1
INGRESO DE DATOS AL EXCEL
(2) F4 permite fijar con “$”, determinadas celdas para facilitar el proceso.
RICARDO TOLEDO QUIÑONES
- 51 -
ANÁLISIS CUANTITATIVO PARA DECISIONES I
FIGURA 3.2
VENTANA DEL SOLVER
FIGURA 3.3
OPCIONES DEL SOLVER
Leer en la parte inferior, en este caso indica que se encontró una solución,
“Aceptar”, con lo que obtendrá diversos resultados de la optimización:
(MAX) Z = 2X1 + X2
Restricciones:
(1) X1 - X2 <= 1
(2) 2X1 + X2 >= 6
X1, X2 >=0
2. Suponiendo que se cuenta con dos alimentos: pan y queso; cada uno de
ellos contiene calorías y proteínas en diversas proporciones. Un
kilogramo de pan contiene 2 000 calorías y 50 gramos de proteínas, y un
kilogramo de queso contiene 4 000 calorías y 200 gramos de proteínas.
Suponiendo que una dieta normal requiere cuando menos 6 000 calorías
y 200 gramos de proteínas diariamente. Por tanto, si el kilogramo de pan
cuesta $ 6 y $ 21 el queso. ¿Qué cantidades de pan y queso se debe
comprar para satisfacer los requisitos de la dieta normal, gastando la
menor cantidad de dinero? (Espinosa: Pág. 25).
Número mínimo de
Tiempo del día
mozos
2 - 6 04
6 10 08
10 - 14 10
14 - 18 07
18 - 22 12
22 - 2 04
Turno Horario
1 2 a 10 horas
2 6 a 14 horas
3 10 a 18 horas
4 14 a 20 horas
5 18 a 2 horas
6 22 a 6 horas
11. La empresa “El Pino" fabrica diversos muebles para oficina (mesas,
sillas, sofás, camas, escritorios y lámparas). Desea maximizar su utilidad
diaria considerando sus restricciones de disponibilidad máxima de
recursos, los que se muestran a continuación. Resolver con el Solver, sin
generar ecuaciones y responder:
Dispon.
Recursos Mesas Sillas Sofás Camas Escritorios Banquetas
Máxima
Totales 56 ?
3. La Compañía "Fértil" S.A. tiene tres parcelas de tierra con 50, 100 y 200
Hectáreas, respectivamente. Existen tres cosechas posibles que la
compañía puede plantar, pero el Ministerio de Agricultura ha establecido
límites en el tamaño de cada cosecha a)- Cosecha 1, 50 hectáreas como
máximo b)- Cosecha 2, 125 Hectáreas como máximo. c)- Cosecha 3, 225
hectáreas como máximo.
En términos de lo que se desea, "Fértil" S.A. cree que su ganancia
variará con la cosecha y la parcela debido a las variaciones en las
condiciones del suelo. Se han estimado las siguientes ganancias por
hectárea para cada combinación:
(4)
Ver al final del presente Capítulo las respuestas y/o planteamientos.
RICARDO TOLEDO QUIÑONES
- 60 -
ANÁLISIS CUANTITATIVO PARA DECISIONES I
COSTOS:
Mano de Obra 20 5
Materiales 50 10
Gastos Generales 40 10
10. (MIN) C = 6X1 + 3,5X2 + 5X3 + 3X4 + 6X5 (Schneider: Pág. 235).
Sujeto a:
4X1 + 8X2 + 6X3 + 6X4 + 4X5 480
2X1 + 10X2 + 2X3 + 10X4 + 3X5 700
Restricciones:
X1 + X2 + X3 6
3X1 + 8X2 +9X3 50
6X1 + 7X3 12
12X2 + 4X3 15
X1, X2, X3 0
17. Una compañía de transporte dispone de $ 400 000 para comprar nuevo
equipo y está considerando tres tipos de vehículos. El vehículo A puede
transportar 10 toneladas y se espera que promedie 35 km por hora. Su
costo es de $ 8 000. El vehículo B tiene una capacidad de 20 toneladas y
se espera que promedie 30 millas por hora. Su costo es de $ 13 000. El
vehículo C es un modelo modificado de B, tiene un sitio para que duerma
el chofer, lo cual reduce su capacidad a 18 toneladas y eleva su costo a $
15 000.
MEDIOS PRODUCTO
RESTRIC.
O RECURSOS Bicicletas Motonetas
Central 1 6 4 120
Central 2 3 10 180
UTILIDAD 45 55
X1 = N° de Bicicletas
X2 = N° de Motonetas
(MAX) U = 45 X1 + 55 X2
Restricciones:
Horas Central 1 6 X1 + 4 X2 <= 120
Horas Central 2 3 X1 + 10 X2 <= 180
No Negatividad X1, X2 >= 0
Entero ∈ 𝑍
X1, X2
Respuesta.- Se deben producir 10 Bicicletas y 15 Motonetas, obteniendo
así, una Utilidad Máxima de $ 1 275.
2.
PRODUCTO
CONTENIDO RESTRIC.
Pan (1 kg) Queso (1 kg)
Calorías 2 000 4 000 >= 6 000
Proteínas 50 200 >= 200
COSTO 6 21
X1 = Kilogramos de pan
X2 = Kilogramos de queso
(MIN) C = 6 X1 + 21 X2
Restricciones:
Calorías 2 000 X1 + 4 000 X2 >= 6 000
Proteínas 50 X1 + 200 X2 >= 200
No Negatividad X1, X2 >= 0
3.
MEDIOS ARTICULO
RESTRIC.
O RECURSOS A B
Maquina X 2 1 <= 70
Maquina Y 1 1 <= 40
Acabado Final 1 3 <= 90
UTILIDAD 4 6
(MAX) U = 4 X1 + 6 X2
Restricciones:
Horas Máquina X 2 X1 + X2 <= 70
Horas Máquina Y X1 + X2 <= 40
Horas Acabado Final X1 + 3 X2 <= 90
No Negatividad X1, X2 >= 0
Entero X1, X2 ∈ 𝑍
4.
(MIN) C = 50 X1 + 60 X2
Restricciones:
TM Producto A 100 X1 + 200 X2 >= 3 000
TM Producto B 200 X1 + 50 X2 >= 2 500
No Negatividad X1, X2 >= 0
5.
X1 = N° de Mesas. X3 = N° de Escritorios.
X2 = N° de Sillas X4 = N° de Libreros.
(MAX) U = 12 X1 + 5 X2 + 15 X3 + 10 X4
Restricciones:
Madera A 5 X1 + X2 + 9 X3 + 12 X4 <= 1 500
Madera B 2 X1 + 3 X2 + 4 X3 + X4 <= 1 000
Horas Hombre 3 X1 + 2 X2 + 5 X3 + 10 X4 <= 800
Demanda Mesas X1 >= 40
Demanda Sillas X2 >= 130
Demanda Escritorios X3 >= 30
Demanda Libreros X4 <= 10
No Negatividad X1, X2, X3, X4 >= 0
Entero X1, X2, X3, X4 ∈ 𝑍
6.
X1 = Cantidad de automóviles
X2 = Cantidad de camiones
100 000
XB0
XB1
Variables:
XA0 = Cantidad invertida en Plan A en el Año 0
XA1 = Cantidad invertida en Plan A en el Año 1
XA2 = Cantidad invertida en Plan A en el Año 2
XB0 = Cantidad invertida en Plan B en el Año 0
XB1 = Cantidad invertida en Plan B en el Año 1
Inversión posible:
Período 0 1 2
Período 0 1 2 3
Disponibilidad 100 000 1,7 XA0 1,7 XA1 + 3 XB0 1,7 XA2 + 3 XB1
Función Objetivo: Está expresada como una función del dinero que se
dispone al final del año 3:
Que se convertirá en un año en 170 000 (al inicio del Período 1) dado
que:
- XB1 = Inversión + Intereses = 100 000 + 0.7*100 000 = 1.7*100 000 =
170 000
- Monto que invertido al inicio del Período 1 en el Plan B, generará al
final del año 3:
- Inversión + Intereses = 170 000 + 2*170 000 = 3*170 000 = 510 000
Número mínimo de
Variable Tiempo del día
mozos
X1 2 - 6 04
X2 6 10 08
X3 10 - 14 10
X4 14 - 18 07
X5 18 - 22 12
X6 22 - 2 04
Turno Horario
X1 = Cantidad de mozos que trabajan en el Turno de 2 a 10 horas
X2 = Cantidad de mozos que trabajan en el Turno de 6 a 14 horas
X3 = Cantidad de mozos que trabajan en el Turno de 10 a 18 horas
X4 = Cantidad de mozos que trabajan en el Turno de 14 a 20 horas
X5 = Cantidad de mozos que trabajan en el Turno de 18 a 2 horas
X6 = Cantidad de mozos que trabajan en el Turno de 22 a 6 horas
siguiente, generando que “se encuentre” con los que ingresan más
temprano a trabajar:
2 6 10 14 18 22 2 6
1
X1 2
X2 3
X3 4
X4 5
X5 6
X6
La Función Objetivo que minimizará el total de mozos es:
(Min) M = X1 + X2 + X3 + X4 +X5 + X6
Turno 1 X1 + X6 ≥ 4
Turno 2 X1 + X2 ≥ 8
Turno 3 X2 + X3 ≥ 10
Turno 4 X3 + X4 ≥ 7
Turno 5 X4 + X5 ≥ 12
Turno 6 X5 + X6 ≥ 4
Esto es así por cuanto en cualquier turno, hay quienes están cumpliendo
sus primeras 4 horas (los que han ingresado en el turno) y quienes están
cumpliendo sus últimas horas (los del turno anterior).
Disponibilidad Disponibilidad
Recursos Mesas Sillas Sofás Camas Escritorios Banquetas Utilización
Máxima o inventario
Unidades a producir 28 26 0 0 0 38
Componente del
Expresión Para el Solver
problema
Objetivo (MAX) V = Celda del total de ventas
Restricción 1 Total ventas >= 484 (400*1.1) Celda del total de ventas
Restricción 2 Promedio precios = 9 Celda del promedio de precios
Restricción 3 Precios <= 10 Celdas de precios
Restricción 4 Precios >= 6 Celdas de precios
Condición Evaluación
Costo total 440
Utilidad 10%
Valor venta total 484 Se cumple = 520
Promedio de precios 9 Se cumple = 9
Precios Entre 6 y 10 Se cumple
Decisión Se acepta estructura de precios
Planteamiento para a)
X1 = Unidades del Compuesto 1.
X2 = Unidades del Compuesto 2.
X1 X2
(Max) U = 3 4
Restricciones:
8 4 <= 160
2 6 <= 60
X1, X2 >= 0
Planteamiento para b)
X1 X2
(Max) U = 3 4
Restricciones:
8 4 <= 160
2 6 <= 60
6 5 <= 150
X1, X2 >= 0
4.
X1= Monto a Invertir en las Acciones Tipo A
X2 = Monto a Invertir en las Acciones Tipo B
X1 X2
0,1 0,07 44 000
300 000 200 000
1 1 500 000 <= 500 000
1 300 000 <= 300 000
1 200 000 >= 100 000
1 -1 100 000 >= 0
X1, X2 >= 0
6.
(MAX) U = 4X1 + 5,5X2.
Con las Condiciones:
4X1 + 2X2 160
2X1 + 3X2 180
X1, X2 0
X1 = 15, X2 = 50
13. Planteamiento:
0,25X1 ≤ 500
0,25X1 + 0,50X2 ≤ 200
0,50X1 + 0,50X2 ≤ 200
X1, X2 ≥ 0
15. Planteamiento:
(Max) Z = 5,25X1 + 3,45X2
Restricciones:
39X1 + 12X2 ≤ 780
X2 ≥ 40
1,5X1 + 0,5X2 ≤ 80
X1, X2 ≥ 0
16. Planteamiento:
(Min) Z = 240X1 + 200X2
Restricciones:
X1 ≤ 10
X2 ≤ 5
4X1 + 3X2 ≥ 40
2X1 - X2 ≤ 15
X1, X2 ≥ 0
17. Planteamiento:
(Max) Z = 6 300X1 + 10 800X2 + 11 340X3
Restricciones:
3X1 + 6X2 + 6X3 ≤ 150
X1 + X2 + X3 ≤ 30
8 000X1 + 13 000X2 + 15 000X3 ≤ 400 000
X1, X2, X3 ≥ 0
18. Planteamiento:
(Max) Z = 1,3XA6 + 1,65XB5
Restricciones:
XA1 + XB1 ≤ 100
XA2 + XB2 ≤ 1,3XA1
XA3 + XB3 ≤ 1,3XA2 + 1,65XB1
XA4 + XB4 ≤ 1,3XA3 + 1,65XB2
XA5 + XB5 ≤ 1,3XA4 + 1,65XB3
XA6 ≤ 1,3XA5 + 1,65XB4
Xij ≥ 0
ANEXO 1
INFORMES DEL SOLVER PARA PROGRAMACIÓN LINEAL - EXCEL
Al finalizar una optimización, se pueden tener en el Excel tres tipos de
informes:
• Respuestas.
• Sensibilidad.
• Límites.
La ventana que aparece para los informes es (seleccionar presionando la
tecla MAY):
Celdas cambiantes
Celda Nombre Valor original Valor final
$C$4 TN Pintura TN Pintura A 0 3.333333333
$D$4 TN Pintura TN Pintura B 0 1.333333333
Restricciones
Celda Nombre Valor de la celda Fórmula Estado Divergencia
$E$5 Disponibilidad A 6 $E$5<=$G$5 Obligatorio 0
$E$6 Disponibilidad B 8 $E$6<=$G$6 Obligatorio 0
$E$7 Demanda Int. - Demanda Exter. -2 $E$7<=$G$7 Opcional 3
$E$8 Demanda Max. Pintura Int. 1.333333333 $E$8<=$G$8 Opcional 0.666666667
2. INFORME DE SENSIBILIDAD
Proporciona información acerca de la sensibilidad de la solución a que se
realicen pequeños cambios en la fórmula definida en el cuadro Definir celda
objetivo del cuadro de diálogo Parámetros de Solver o de las restricciones. No
se genera este informe para los modelos que tengan restricciones enteras. En
modelos no lineales, el informe facilita los valores para las gradientes y los
multiplicadores de Lagrange. En los modelos lineales, el informe incluye
costos reducidos, otros precios, coeficiente de objetivos (con aumentos y
disminuciones permitidos) y rangos de restricciones hacia la derecha.
Ejemplo: Para el Problema resuelto 7 (Reddy Mikks Company) si se genera el
Informe de Sensibilidad el resultado es el siguiente:
Microsoft Excel 12.0 Informe de sensibilidad
Hoja de cálculo: [Ejer_Informes.xlsx]Hoja3
Informe creado: 12/04/2011 08:01:16 a.m.
Restricciones
Valor Sombra Restricción Aumento Disminución
Celda Nombre Igual precio lado derecho permisible permisible
$E$5 Disponibilidad A 6 333.3333333 6 1 2
$E$6 Disponibilidad B 8 1333.333333 8 4 2
$E$7 Demanda Int. - Demanda Exter. -2 0 1 1E+30 3
$E$8 Demanda Max. Pintura Int. 1.333333333 0 2 1E+30 0.666666667
valores de la solución para las variables (X1, X2 ... etc.) pueden variar o no
(NOTA: No se refiere a que el valor de la función objetivo varíe o no, su valor
óptimo será verdadero sólo para la función objetivo originalmente planteada).
Similar es el análisis para los valores de las restricciones.
En los modelos lineales, el informe incluye costos reducidos, otros precios,
coeficiente de objetivos (con aumentos y disminuciones permitidos) y rangos
de restricciones hacia la derecha.
Para facilitar el análisis, se efectúa a partir del Informe de Sensibilidad, la
siguiente Tabla: (los Límites de coeficientes han sido calculados
exprofesamente del modo siguiente:
INFERIOR = 3 000 – 2 000 = 1 000; 2 000 – 500 = 1 500
SUPERIOR = 3 000 + 1 000 = 4 000; 2 000 + 4 000 = 6 000
Coeficiente Aumento Disminución LIMITE DE COEFICIENTES
Celda Nombre objetivo permisible permisible INFERIOR SUPERIOR
$C$4 TN Pintura TN Pintura A 3000 1000 2000 1000 4000
$D$4 TN Pintura TN Pintura B 2000 4000 500 1500 6000
3. INFORME DE LÍMITES
Muestra una lista con la celda objetivo y las celdas ajustables con sus valores
correspondientes, los límites inferior y superior así como los valores del
objetivo. No se genera este informe para los modelos que tengan restricciones
enteras.
El límite inferior es el valor mínimo que puede tomar la celda ajustable
(CELDAS DE LAS VARIABLES O INCÓGNITAS) mientras se mantienen
todas las demás celdas ajustables fijas y se continúa satisfaciendo las
restricciones. El límite superior es el valor máximo.
A continuación se muestra el Informe para el problema en análisis:
Microsoft Excel 12.0 Informe de límites
Hoja de cálculo: [Ejer_Informes.xlsx]Informe de límites 4
Informe creado: 16/04/2011 11:00:21 a.m.
Celda objetivo
Celda Nombre Igual
$E$3 (Max) U = 12666.66667
Nos indica que el límite inferior para la variable del resultado para las
toneladas a producir de pinturas exteriores no puede ser menor a 0,33333,
manteniendo el otro valor obtenido en la maximización de 1,333 toneladas de
pintura para interiores. De ser menor a 0,33333, no se cumplirían las
restricciones.
Ejemplo: De ser menor a 0,33333, excedería la disponibilidad que se tiene de
recursos, no cumpliendo con los límites de la RESTRICCIÓN. Recordar que
no podrían ser números negativos (no negatividad).
Para el caso de las pinturas interiores el límite sería cero.
Los límites superiores corresponden a los óptimos obtenidos.
ANEXO 2
ASPECTOS BÁSICOS SOBRE EL LINGO
(SOFTWARE PARA PROGRAMACIÓN LINEAL)
Generalidades
El LINGO (Linear INteractive and General Optimizer), es una herramienta para
formular problemas lineales y no lineales, resolverlos y analizar su solución.
Uno de los rasgos más poderosos de LINGO es su aplicación en el lenguaje
de modelo matemático. El cual permite expresar un problema de una manera
muy similar a la anotación matemática normal. Los archivos generados por
LINGO tienen la extensión. LG4.
Sintaxis
La sintaxis que se utiliza en este programa es muy sencilla. Para el nombre de
las variables se establece que deben tener 32 caracteres como máximo,
Deben comenzar con una letra seguido de letras, dígitos o _. El compilador de
LINGO no distingue entre mayúsculas y minúsculas. Para ingresar los datos o
resolver un problema, se debe tomar en consideración lo siguiente:
a) Cuando se deben efectuar comentarios, se inician con un signo de
exclamación (!), y terminan en un punto y coma. El Lingo los resaltará en
verde. Son de uso opcional.
b) Cada instrucción LINGO debe terminar en un punto y coma (;).
c) No se puede escribir en caso de multiplicación el valor numérico junto
con la variable, debe incluirse necesariamente el “*”, así: 5*X1. La
elevación a una potencia se señala con “^”.
d) Los nombres de variables no distinguen entre mayúsculas y minúsculas y
deben comenzar con una letra (AZ). Otros caracteres en el nombre de la
variable pueden ser letras, números (0-9), o el carácter de subrayado (_).
Los nombres de variable pueden tener hasta 32 caracteres de longitud.
No se deben usar los acentos o separaciones en blanco entre palabras.
e) Para darle un nombre a la función objetivo o a las restricciones, estos se
deben colocar entre corchetes “[ ]”. Son de uso opcional. Los nombres
NO PERMITEN ACENTOS ORTOGRÁFICOS.
f) Para declarar la función objetivo debemos colocar las palabras
reservadas MAX o MIN, seguidas del signo =, el LINGO lo resaltará en
azul.
g) Los archivos generados por LINGO tiene la extensión. LG4.
h) A menos que se especifique lo contrario, el valor de las variables por
defecto en un modelo de LINGO son no-negativas y continuas. Más
específicamente, las variables pueden asumir algún valor real desde cero
a infinito positivo. En muchos casos, este dominio de valor, por defecto
puede ser impropio. Por ejemplo, se puede querer que una variable
asuma valores negativos, o que una variable restringida adopte
puramente valores enteros. LINGO proporciona cuatro funciones de
variables dominio que permiten sustituir el dominio predefinido de una
variable. Los nombres de estas funciones y una descripción breve de su
uso son:
RICARDO TOLEDO QUIÑONES
- 82 -
ANÁLISIS CUANTITATIVO PARA DECISIONES I
Reporte de la solución
Al establecer que le LINGO resuelva un problema, de no existir errores en el
planteamiento, inicialmente aparecerá la ventana ‘STATUS’ de LINGO
(ventana de estado) se puede monitorear el proceso de resolución y las
dimensiones del modelo. De tener errores señalará el lugar del error. Una
descripción básica de los reportes de la solución son:
a) Value, es el valor que adoptan las variables con la optimización.
b) Reduced Cost, es el COSTO o GRADIENTE REDUCIDO para cualquier
variable que se incluye en la solución óptima es siempre cero. Indica
cuánto tendría que mejorarse cada uno de los coeficientes de la función
objetivo, antes que la correspondiente variable pueda tomar un valor
positivo en la solución óptima. Para variables no incluidas en la solución
óptima, la reducción de costos muestra hasta qué punto el valor de la
función objetivo se reduciría (por un problema de maximización) o
aumentaría (por un problema de minimización) si una unidad de esa
variable sería incluida en la solución. Por ejemplo, si el costo reducido de
una cierta variable fue de 5, entonces el valor óptimo del problema MAX
se reduciría en 5 unidades, si se agregara 1 unidad de la variable.
Cuando se desarrolla un problema de programación ENTERA Reduced
Cost señalará el precio o costo incluido en la Función Objetivo. Para los
casos de estos resultados con programación ENTERA, al igual que lo
establecido para el Excel, se recomienda no darles mayor interpretación.
c) Slack o surplus, es la columna de holgura o superávit (sobrante), esta
parte del informe de solución nos dice cuan cerca estamos de satisfacer
una restricción como una igualdad. Si la restricción es menor-igual nos
referimos a variables de slack y si es mayor-igual nos referimos a
variables surplus. Si una restricción es completamente satisfecha como
una igualdad, entonces holgura / superávit es cero. Si holgura / superávit
es positivo, entonces esto le explica cómo muchas más unidades de la
variable podría ser añadido a la solución óptima antes que la restricción
se convierte en una igualdad. Si holgura / superávit es negativo, entonces
la limitación ha sido violada.
d) Dual Price, corresponden a los PRECIOS SOMBRA es la cantidad en
que mejora el valor óptimo de la Función Objetivo –incremento en un
problema de maximización y disminución en un problema de
minimización- si el lado derecho de la restricción aumenta en uno. Es
aplicable sólo si el cambio en el lado derecho de la restricción es óptima.
El término mejorar es relativo. En un problema de maximización, mejorar
significa que el valor objetivo aumentaría por ejemplo sus utilidades de
disponer una unidad adicional de un recurso. Sin embargo, en un
problema de minimización, el valor objetivo disminuiría. En el caso de uso
de recursos por ejemplo materia prima, es el precio máximo que debe
pagar la empresa por una unidad adicional de materia prima.
A continuación se presenta el Planteamiento en el LINGO para los Problemas
Resueltos.
! PROBLEMA RESUELTO 1
! X1 = "Bicicletas"
! X2 = "Motonetas";
2.
! PROBLEMA RESUELTO 2
! X1 = "Kilogramos de pan"
! X2 = "Kilogramos de queso";
3.
! PROBLEMA RESUELTO 3
! X1 = "Unidades del artículo A"
! X2 = "Unidades del artículo B";
[FUNCION_OBJETIVO] MAX= 4*X1+6*X2;
! RESTRICCIONES;
6.
! PROBLEMA RESUELTO 6
! X1 = "Cantidad de automóviles"
! X2 = "Cantidad de camiones";
7.
! PROBLEMA RESUELTO 7
! X1 = "Toneladas pintura para exteriores"
! X2 = "Toneladas pinturas para interiores";
8.
PROBLEMA RESUELTO 8
! X_A1 = "Inversión en Plan A Período 0-1: Año 1"
! X_A2 = "Inversión en Plan A Período 1-2: Año 2"
! X_A3 = "Inversión en Plan A Período 2-3: Año 3"
! X_B1 = "Inversión en Plan B Período 0-2: Años 1-2"
! X_B2 = "Inversión en Plan B Período 1-3: Años 2-3";
[FUNCION_OBJETIVO] MAX=1.7*X_A3+3*X_B2;
! RESTRICCIONES;
[Inversion_Periodo_0_1] X_A1+X_B1 <= 100000;
[Inversion_Periodo_1_2] -1.7*X_A1+X_A2+X_B2 <= 0;
[Inversion_Periodo_2_3] -1.7*X_A2+X_A3-3*X_B1 <= 0;
END
9.
! PROBLEMA RESUELTO 9
! X1 = "N° de mozos que ingresan en el Turno 1"
! X2 = "N° de mozos que ingresan en el Turno 2"
! X3 = "N° de mozos que ingresan en el Turno 3"
! X4 = "N° de mozos que ingresan en el Turno 4"
! X5 = "N° de mozos que ingresan en el Turno 5"
! X6 = "N° de mozos que ingresan en el Turno 6";
[FUNCION_OBJETIVO] MIN=X1+X2+X3+X4+X5+X6;
! RESTRICCIONES;
[Turno_1] X1 +X6 >= 4;
[Turno_2] X1+X2 >= 8;
[Turno_3] X2+X3 >= 10;
[Turno_4] X3+X4 >= 7;
[Turno_5] X4+X5 >= 12;
[Turno_6] X5+X6 >= 4;
END
RICARDO TOLEDO QUIÑONES
- 87 -
ANÁLISIS CUANTITATIVO PARA DECISIONES I
10.
! PROBLEMA RESUELTO 10
! X1 = "Cantidad Fabricada Producto 1"
! X2 = "Cantidad Fabricada Producto 2"
! X3 = "Cantidad Fabricada Producto 3";
[FUNCION_OBJETIVO]MAX=30*X1+12*X2+15*X3;
! RESTRICCIONES;
[Fresadora] 3*X2+5*X3 <= 500;
[Torno] 5*X1+4*X2 <= 350;
[Rectificadora] 3*X1+2*X3 <= 150;
[Potencial_Ventas] X3 <= 20;
@GIN(X1);@GIN(X2);@GIN(X3);
END
CAPÍTULO 4
DEMANDA 6 8 3 9 11
PROBLEMAS PROPUESTOS
D1 D2 D3 D4 CAPACIDAD
O1 17 20 13 12 70
O2 15 21 26 25 90
O3 15 14 15 17 115
DEMANDA 50 60 70 95
D1 D2 D3 OFERTA
Planta_1 2,25 2,50 2,90 300 000
Alternativa_1 2,30 2,60 3,25
200 000
Alternativa_2 2,50 2,35 2,75
(una de ellas)
Alternativa_3 2,30 2,40 3,00
DEMANDA 250 000 165 000 85 000 500 000 \ 500 000
L1 L2 L3 L4 L5 CAPACIDAD
H1 4 2 3 2 6 8
H2 5 4 5 2 1 14
H3 6 5 4 7 3 14
Requerim. 4 4 6 8 8
1.
MATRIZ DE RESPUESTAS
DEMANDA 6 8 3 9 11 37
Costo Mínimo = 48
2.
MATRIZ DE RESPUESTAS
3.
MATRIZ DE RESPUESTAS
2,
(Min) C = X11 + 4X12 + 3X13 + 3X21 + 2X22 + 5X23 + 2X31 + 2X32 + 2X33
Restricciones:
X11 + X12 + X13 <= 180
X21 + X22 + X23 <= 120
X31 + X32 + X33 <= 150
X11 + X21 + X31 = 170
X12 + X22 + X32 = 90
X13 + X23 + X33 = 100
3.
(Min) C = X11 + 2X12 + 8X13 + 6X14 + 4X21 + 4X22 + 3X23 + 5X24 + 2X31 + 9X32 + 7X33 + 8X34
Restricciones:
X11 + X12 + X13 + X14 = 140
X21 + X22 + X23 + X24 = 160
X31 + X32 + X33 + X34 = 200
X11 + X21 + X31 <= 100
X12 + X22 + X32 <= 250
X13 + X23 + X33 <= 100
X14 + X24 + X34 <= 150
1.
D1 D2 D3 D4 CAPACIDAD
O1 70 70
O2 50 40 90
O3 20 70 25 115
DEMANDA 50 60 70 95 275 \ 275
Alternativa_1
Demanda
Origen Oferta
D1 D2 D3
Planta_1 50 000 165 000 85 000 300 000
Alternativa_1 200 000 0 0 200 000
Demanda 250 000 165 000 85 000 500 000 \ 500 000
Costo mínimo = 1 231 500.00
Alternativa_2
Demanda
Origen Oferta
D1 D2 D3
Planta_1 250 000 50 000 0 300 000
Alternativa_2 0 115 000 85 000 200 000
Demanda 250 000 165 000 85 000 500 000 \ 500 000
Costo mínimo = 1 191 500.00
Alternativa_3
Demanda
Origen Oferta
D1 D2 D3
Planta_1 215 000 0 85 000 300 000
Alternativa_3 35 000 165 000 0 200 000
Demanda 250 000 165 000 85 000 500 000 \ 500 000
Costo mínimo = 1 206 750.00
Costo Selección
Alternativa_1 1 231 500.00
Alternativa_2 1 191 500.00 Alternativa_2
Alternativa_3 1 206 750.00
3.
a)
L1 L2 L3 L4 L5 CAPACIDAD
H1 2 4 2 8
H2 6 8 14
H3 2 6 8
Requerim. 4 4 6 8 8 30 \ 30
Costo mínimo 76
No se utiliza de H3 una capacidad de 6.
b)
L1 L2 L3 L4 L5 CAPACIDAD
H1 4 4 8
H2 2 4 8 14
H3 2 6 8
Requerim. 4 4 6 8 8 30 \ 30
Costo mínimo: 82
No se utiliza de H3 una capacidad de 6.
Costos unitarios
Origen Oferta
Mes 1 Mes 2 Mes 3 Mes 4
Mes 1 1,080 1,095 1,110 1,125 25
Mes 2 100,000 1,110 1,125 1,140 35
Mes 3 100,000 100,000 1,100 1,115 30
Mes 4 100,000 100,000 100,000 1,130 10
Demanda 10 15 25 20 70 \ 100
Demanda Producción
Origen
Mes 1 Mes 2 Mes 3 Mes 4 Total
Mes 1 10 10 5 25
Mes 2 5 5
Mes 3 20 10 30
Mes 4 10 10
Demanda 10 15 25 20 70 \ 70
Costos unitarios
Origen Oferta
Mes 1 Mes 2 Mes 3
Mes 1_Reg 3,00 4,00 5,00 20000
Mes 1_Ext 4,50 5,50 6,50 10000
Mes 2_Reg 100,00 3,00 4,00 20000
Mes 2_Ext 100,00 4,50 5,50 10000
Mes 3_Reg 100,00 100,00 3,00 20000
Mes 3_Ext 100,00 100,00 4,50 10000
CAPÍTULO 5
EL PROBLEMA DE LA ASIGNACIÓN
1. DEFINICIÓN DEL PROBLEMA
El Problema de Asignación se desprende de la necesidad de dar destino a
distintos recursos. En sentido estricto, el problema a resolver es buscar dedicar un
grupo de recursos a diferentes fines, de manera que todos los fines se logren y a
cada uno de ellos se destine un recurso solamente. Puede consistir en efectuar
una minimización (Ejemplo: Cuando se trata de horas de labor) o de maximización
(Ejemplo: Cuando se trata de calificaciones obtenidas).
2. MÉTODOS PARA DETERMINAR UNA SOLUCIÓN FACTIBLE
En la resolución del problema se puede encontrar que existen dos o más
respuestas, es decir que la respuesta hallada a un problema podría no ser única.
Nº DE RESTRICCIONES = m + n
DONDE:
m = Número de recursos que requieren ser asignados. (Demanda)
n = Número de “puestos” que requieren ser ocupados. (Oferta).
PROBLEMAS RESUELTOS
EQUIPOS TAREAS
A B C D E
1 12 17 04 10 11
2 07 01 03 10 01
3 05 03 01 09 16
4 14 03 01 11 16
5 12 12 04 04 16
LABOR
OPERARIO
1 2 3 4
1 05 06 05 10
2 04 05 07 10
3 03 10 04 09
4 02 07 08 08
5 06 08 06 12
LÍNEA DE PRODUCTOS
PERSONA CREATIVA
A B C D E
1 07 06 17 04 03
2 09 05 23 09 07
3 13 03 30 15 12
RESPONDER:
a)- La persona creativa I, será asignada a la línea de productos: __________
b)- La persona creativa II, será asignada a la línea de productos: __________
c)- La persona creativa III, será asignada a la línea de productos: __________
d)- Las líneas de productos ______ y ______ no tendrán campaña publicitaria.
e)- El costo total determinado por la función Objetivo es de: $ _____________
PROBLEMAS PROPUESTOS
TAREA
A B C D
Empleada 1 1 8 4 1
Empleada 2 5 7 6 5
Empleada 3 3 5 4 2
Empleada 4 3 1 6 3
ZONA
A B C D
Vendedor 1 7 9 10 9
Vendedor 2 8 7 9 9
Vendedor 3 7 10 9 8
Vendedor 4 6 8 8 7
Vendedor 5 7 10 6 7
CURSO
A B C D E
Profesor 1 4,2 3,6 3,8 4,5 3,5
Profesor 2 2,8 3,2 2,6 3,5 2,5
Profesor 3 3,8 2,5 4,6 3,5 3,0
Profesor 4 3,5 4,2 4,3 3,8 4,3
Profesor 5 4,3 4,2 4,0 4,2 4,3
PRODUCTO
A B C D
Proveedor 1 8 5 16 16
Proveedor 2 10 14 10 10
Proveedor 3 12 6 19 17
Proveedor 4 15 17 10 12
Proveedor 5 8 7 12 18
1(Arq) 2 3 4 5
FRANCO 10 5 3 1 0
CAMBIASSO 0 0 9 2 7
RIQUELME 3 4 2 9 4
AYMAR 0 3 6 3 10
QUINTANA 0 4 3 9 5
PLACENTE 7 7 9 6 7
SERRIZUELA 6 9 9 7 4
CUFRÉ 6 8 8 6 1
ROMEO 0 2 3 7 10
SAMUEL 5 3 8 5 7
HACIA
DESDE Cliente1 Cliente2 Cliente3 Cliente4
Sanso 431 659 342 247
Tamarín 140 533 248 129
Losuan 214 174 259 393
Atise 585 246 501 683
Máquina:
Trabajo A B C
1 41 10 98
2 63 28 42
3 85 74 25
1.
MATRIZ DE RESPUESTAS
EQUIPOS TAREAS
A B C D E
1 X
2 X
3 X
4 X
5 X
Tiempo mínimo = 17
2.
MATRIZ DE RESPUESTAS
LABOR
OPERARIO
1 2 3 4
1 X
2 X
3 X
4 X
5 NO SELECCIONADO
Tiempo mínimo = 21
3.
a. La persona creativa I, será asignada a la línea de productos: ____D_____
b. La persona creativa II, será asignada a la línea de productos: ____E_____
c. La persona creativa III, será asignada a la línea de productos: ____B_____
d. Las líneas de productos ___A__ y __C___ no tendrán campaña publicitaria.
e. El costo total determinado por la función Objetivo es de: $ 14,00.
MATRIZ DE RESPUESTAS
PERSONA LÍNEA DE PRODUCTOS
CREATIVA A B C D E
I X
II X
III X
CAPÍTULO 6
TEORÍA DE JUEGOS
1. OBJETIVO
En todo enfrentamiento las partes tratan de ganar, los obstáculos deben vencerse,
la teoría modela la forma cómo interactúan las fuerzas en conflicto.
2. NÚMERO DE PARTICIPANTES
4. ESTRATEGIAS
Las estrategias son los planes o acciones que se espera adopten los jugadores.
Las estrategias de un jugador X en número se pueden representar como "m" y el
número de estrategias del jugador Y como n, entonces se dice que el juego es de
m x n. El número de estrategias puede ser finito o infinito. El análisis a efectuarse
cubre un número de estrategias finito.
JUGADOR Y
1 2 3 .... n
1 v11 v12 v13 .... v1n
2 v21 v22 v23 .... v2n
JUGADOR X 3 .... .... .... .... ....
m vm1 vm2 vm2 .... vmn
El valor del juego es el pago promedio o esperado por partida jugada, en una
larga serie de estas, considerando que ambos jugadores aplican sus estrategias
óptimas consistentemente.
Un juego puede estar a favor de uno de los participantes, por lo tanto si el valor
del juego es positivo indicará que la ventaja es para el Jugador X y si es negativo,
la ventaja será para el jugador Y. En caso que el juego tenga un valor de cero el
juego está equilibrado, cualquiera puede ganar (se considera que a la larga uno
ganará), en este caso se conoce como un Juego justo.
a. Hay dos o más participantes con objetivos diferentes, cuya acción influye,
pero no determina completamente, el resultado de un juego.
b. Que cada jugador conoce los objetivos del oponente.
c. Se puede enumerar la ganancia o pérdida para cada jugador.
d. La solución va orientada a que cada uno de los jugadores pueda maximizar su
ganancia mínima (X), o en forma equivalente, minimizar su pérdida máxima
esperada (Y). Este criterio conservador se llama criterio MAXIMIN ó criterio
MINIMAX.
El estudio que se abordará versará sobre juegos finitos, de suma cero y entre dos
oponentes (representados como Jugador X y Jugador Y).
Los juegos de dos estrategias o de 2 x 2, son aquellos para los cuales cada
jugador sólo tiene dos estrategias posibles. Para solucionar estos juegos se
puede presentar dos casos:
a. Que el juego esté estrictamente determinado.
b. Que el juego no este estrictamente determinado.
En este caso la estrategia que consiste en utilizar más de una estrategia pura por
lo que se denomina estrategia mixta.
Y
a b
X
c d
p(X1) = d-c
a-b-c+d
p(Y1) = d-b
a-b-c+d
10. DOMINACIÓN
A partir del criterio que un jugador preferirá la mejor opción una fila o columna que
puede representar comparativamente en todos sus pagos una alternativa mejor o
al menos igual que otra, puede excluirse la opción que le paga menos o lo mismo.
En una matriz de juego m x n se dice que una mayoriza o bien domina a otra, si
cada pago en la primera fila es igual o mayor que la segunda fila. Del mismo
modo se dice que una columna minoriza, o bien es dominada por otra, si cada
pago en la primera tiene un valor igual o menor que el correspondiente pago en la
segunda columna. La fila o columna dominada puede omitirse de la matriz de
juego sin afectar su solución. Las reglas para aplicar la dominación son:
• Fila: Si entre dos filas, de una de ellas los valores son iguales o mayores, ésta
domina a la otra que puede ser excluida de la evaluación. (MEJOR O IGUAL).
• Columnas: Si entre dos columnas, de una de ellas los valores son iguales o
menores, ésta domina a la otra que puede ser excluida de la evaluación.
(PEOR O IGUAL).
Para los casos en que el valor MAXIMIN sea negativo se utilizará la siguiente
propiedad de una Matriz de Juegos: "La estrategia óptima no se afecta al agregar
una constante positiva. El valor del juego resulta afectado por la misma
transformación que se aplica a los pagos de la matriz del juego”. La constante
positiva se conoce como K.
d) El valor del juego debe ser el mismo para la solución PRIMAL y DUAL.
CUADRO N° 6.1
CUADRO DE FÓRMULAS PARA PROBLEMAS DE TEORÍA DE JUEGOS
CON PROGRAMACIÓN LINEAL
c. -3 2 4 d. 2 0 6 -4 8 10 25 -10 12 14
6 1 3 -14 -2 0 14 9 12 15 0 -10 -3
3 10 12
5 0 -2
0 -4 6
2. Para los siguientes juegos establecer: a) Cuál sería la estrategia óptima del
jugador X y del Jugador Y, cuál es el valor del juego. b) Identificar los
estrictamente determinados y si alguno sería un juego justo.
a. JUGADOR Y b. JUGADOR Y
1 2 1 2
1 0 1 1 0 1
JUGADOR X JUGADOR X
2 -3 10 2 2 0
c. JUGADOR Y d. JUGADOR Y
1 2 1 2
1 2 0 1 5 2
JUGADOR X JUGADOR X
2 0 2 2 -7 -4
a. 1 5 b. -6 4 1 4 7 -1 3
4 3 7 -5 6 3 -2 -6 7
3 6
5 4
4 4
a. 3 -1 -3 b. -1 2 -1 c. 3 10 20 18 0
-3 3 -1 1 -2 2 -9 -8 46 10 4
-4 -3 3 3 4 -3 2 0 17 18 0
11. Suponga que para el caso del Problema 7 los competidores entrarán en
conflicto durante 12 meses. Cómo diseñaría X sus estrategias.
PROBLEMAS PROPUESTOS
a. b. c. d.
10 8 6 2 12 -10 8 -6 7 -11 7 4 8 10 8 16 9
15 12 2 4 18 2 -3 -4 8 10 9 5 10 12 6 15 10
-4 6 -3 1 5 12 14 1 -10 -12 3 4 16 18 9 13 25
12 -2 8 -6 3 12 16 1 8 2 7 5 4 9 18 20 6
16 13 7 12 -15 16 12 -1 9 -9 10 2
Y
Mejor empaq. Aum. public. Peq. var. prec.
Mejor empaque 1 3 2
X Aumento public. 1 4 0
Peq. reduc. precio 3 -2 -1
5. Elabore Tres (3) matrices de juegos, que sean de 4 x 4 cada una y entre
ellas:
a. Una tenga un punto MINIMAX.
b. Una pueda ser reducida por dominación a una matriz de 2 x 2.
c. Una no pueda ser reducida por dominación quedando como de 4 x 4.
2.
a. Estrategias y valor del juego.- Para: a) p(X1) = 1 p (X2) = 0; p(Y1) = 1, p(Y2)
= 0; v = 0; b) p(X1) = 2/3, p(X2) = 1/3 p(Y1) = 1/3 p(Y2) = 2/3; v = 2/3; c)
p(X1) = 1/2 p(X2) = 1/2; p(Y1) = 1/2, p(Y2) = 1/2; v = 1. d) p(X1) = 1, p(X2) =
0; p(Y1) = 0, p(Y2) = 1; v = 2.
3.
a. b.
p(X3) p(X4) ΣP(X) p(X1) p(X2) ΣP(X)
X: X
1/4 3/4 1 5/7 2/7 1
p(Y1) p(Y2) ΣP(Y) p(Y1) p(Y6) ΣP(Y)
Y: Y
1/2 1/2 1 5/18 13/18 1
Valor del Juego = 4,50 Valor del Juego = -2,39
X1 X2 X3 Total p(X)
p(X) 0,4444 0,2444 0,3111 1
Valor Juego -0,6444
b.
Y1 Y2 Y3 Total p(Y)
p(Y) 0,0526 0,4211 0,5263 1
X1 X2 X3 Total p(X)
p(X) 0,4474 0,4737 0,0789 1
Valor Juego 0,2632
c.
Y1 Y2 Y3 Y4 Y5 Total p(Y)
p(Y) 0,2500 0,0000 0,0000 0,0000 0,7500 1,0000
X1 X2 X3 Total p(X)
p(X) 0,8125 0,1875 0,0000 1
Valor Juego 0,75
7.
Matriz de Juegos Inicial (puede ser reducida)
Modelo de Y califica como
"Excel" "Bueno" "Regul" "Malo"
Modelo 1 100 80 150 50
Modelo 2 150 55 100 80
X Modelo 3 50 55 100 25
Modelo 4 125 60 100 80
Modelo 5 90 70 125 75
MATRIZ SOLUCIÓN
ESTRATEGIA Y1 Y2 Y3 Y4 TOTAL p(Y)
PROBAB. p(Yn) 0 0,71429 0 0,285714 1
Valor del Juego = 71,42857
Obsérvese que en este problema todos los pagos son positivos, Y debe tener
alguna razón especial (como tratar de ingresar en el mercado) para fabricar
con una pérdida inevitable. Esto es cierto si se supone que la matriz
literalmente representa ganancias netas y no algún tipo de ingreso adicional.
8.
Y
Organismo Gubernamental
Const. A Const. B
Todo en A 10 000 3 000
X Todo en B 4 000 8 000
La Mitad A - B 6 000 5 000
MATRIZ SOLUCIÓN
ESTRATEGIA Y1 Y2 TOTAL p(Y)
PROBAB. p(Yn) 0,454545 0,545454 1
Valor del Juego = 6 181,82
9.
MATRIZ SOLUCIÓN
ESTRATEGIA Y1 Y2 TOTAL p(Y)
PROBAB. p(Yn) 0,375 0,625 1
Valor del Juego = 0,625
10.
Y
(Sr. Javier) (Sr. Pedro)
Gana Argentina Gana Brasil
Apuesta por Argentina 10 -5
X
Apuesta por Brasil -5 4
11. La elección de las estrategias por X deben ser aleatorias, de modo que
Y no conozca con certeza la que elegirá. Para lo cual basados en las
probabilidades podría elaborar los cuadros siguientes: (Nota: La generación
de números aleatorios varían por lo que se da a modo de ejemplo, se ha
utilizado la función del Excel: =aleatorio.entre(1;100).
1 2 Fabrica Modelo 1
2 83 Fabrica Modelo 5
3 45 Fabrica Modelo 5
4 85 Fabrica Modelo 5
5 60 Fabrica Modelo 5
6 44 Fabrica Modelo 5
7 12 Fabrica Modelo 1
8 31 Fabrica Modelo 5
9 34 Fabrica Modelo 5
10 30 Fabrica Modelo 5
11 30 Fabrica Modelo 5
12 22 Fabrica Modelo 5
1.
a. c. (Rptas. para X) c. d.
3 4 Sin punto Minimax Punto Minimax: 1 3
4 8 -6 X: p(X4) = 0,26 X: p(X2) = 1 3 16 9
5 7 12 X: p(X5) = 0,74 Y: p(Y2) = 1 4 4 18
v= 7,26 v = 7,26 v= 5 v= 12
PROBLEMA 4. (Referido a 1. a)
K= 10
(Max) w = Y1 + Y2 + Y3 + Y4
22 Y1 + 12 Y2 + 35 Y3 + 0 Y4 <= 1
26 Y2 + 13 Y2 + 14 Y3 + 20 Y4 <= 1
8 Y1 + 9 Y2 + 36 Y3 + 10 Y4 <= 1
24 Y1 + 6 Y2 + 18 Y3 + 16 Y4 <= 1
Y1, Y2, Y3, Y4 >= 0
(Min) z = X1 + X2 + X3 + Y4
22 X1 + 26 X2 + 8 X3 + 24 Y4 >= 1
12 X2 + 13 X2 + 9 X3 + 6 Y4 >= 1
35 X1 + 14 X2 + 36 X3 + 18 Y4 >= 1
0 X1 + 20 X2 + 10 X3 + 16 Y4 >= 1
X1, X2, X3, X4 >= 0
Y1 Y2 Y3 Y4
(Max) w = 1 1 1 1 0,0769
0 0,0769 0 0
22 12 35 0 0,9231 <= 1
26 13 14 20 1,0000 <= 1
8 9 36 10 0,6923 <= 1
24 6 18 16 0,4615 <= 1
Y1 Y2 Y3 Y4 ΣP(Y)
P(Y) 0 1 0 0 1
v= 3
X1 X2 X3 X4
(Min) z = 1 1 1 1 0,0769
0 0,0769 0 0
22 26 8 24 2,0000 >= 1
12 13 9 6 1,0000 >= 1
35 14 36 18 1,0769 >= 1
0 20 10 16 1,5385 >= 1
X1 X2 X3 X4 ΣP(X)
P(X) 0 1 0 0 1
v= 3
PROBLEMA 4. (Referido a 1. c)
K= 4
(Max) w = Y1 + Y2 + Y3
Y1 + 6 Y2 + 8 Y3 <= 1
10 Y1 + 5 Y2 + 7 Y3 <= 1
7 Y1 + 4 Y2 + 6 Y3 <= 1
9 Y1 + 4 Y2 + 2 Y3 <= 1
4 Y1 + 0 Y2 + 10 Y3 <= 1
Y1, Y2, Y3, Y4 >= 0
(Min) z = X1 + X2 + X3 + X4 + X5
X1 + 10 X2 + 7 X3 + 9 X4 + 4 X5 >= 1
6 X1 + 5 X2 + 14 X3 + 4 X4 + X5 >= 1
8 X1 + 7 X2 + 16 X3 + 2 X4 + 10 X5 >= 1
X1, X2, X3, X4, X5 >= 0
Y1 Y2 Y3
(Max) w = 1 1 1 0,1143
0,0857 0,0286 0
1 6 8 0,2571 <= 1
10 5 7 1 <= 1
7 14 16 1 <= 1
9 4 2 0,8857 <= 1
4 0 10 0,3429 <= 1
Y1 Y2 Y3 ΣP(Y)
P(Y) 0,75 0,25 0 1
v= 4,75
X1 X2 X3 X4 X5
(Min) z = 1 1 1 1 1 0,114
0 0,0667 0,0476 0 0
1 10 7 9 4 1 >= 1
6 5 14 4 0 1 >= 1
8 7 16 2 10 1,229 >= 1
X1 X2 X3 X4 X5 X6 ΣP(X)
P(X) 0 0,5833 0,4167 0 0 0 1
v= 4,75
CAPÍTULO 7
PROGRAMACIÓN DINÁMICA
1. GENERALIDADES
La Programación Dinámica es un método de solución de problemas que permite
descomponer un modelo matemático de gran magnitud, en diversos problemas
más pequeños. Se fijan etapas, por lo que se ha aplicado a problemas de decisión
que partes múltiples que facilitan su solución. Los signos convencionales son:
Tiene que ver con la determinación de los caminos conectados en una red de
transporte que constituyen en conjunto la distancia más corta entre un origen y un
destino.
RED 1
2
17
15 6
5
1 4 7
3
10 4 6
4 2
3 5 6
Ejemplo 2.- La Telefónica, está planeando una red para dar servicio de Telefonía
por cable a cinco nuevas áreas de desarrollo habitacional. La red del sistema se
resume en la red 2. Los números dentro de los nodos indican el nombre de las
áreas de desarrollo y sobre las flechas se representan la longitud de cable
necesaria en km. Se solicita: Establecer las áreas que deben estar
interconectadas con cables y la longitud de cable que se requeriría.
RED 2
3
2 5
6 9
1
5 8
1 3
4
10
7 5
6
3
4
RED 3
3
2 5
5 8
2 3 1
6 7 7
1 3 6 7
5 3 5
5. EL PROGRAMA TORA
Este Programa permite resolver problemas cuantitativos de diversa índole, el
interés particular estará en la resolución de problemas de Redes.
ESCRIBIR : TORA
IR A : NETWORK MODELS (Modelos de Redes).
IR A : CICLIC/ACICLIC SHORTEST ROUTE (Ruta Mínima).
IR A : ENTER NEW PROBLEM (Ingresar Nuevo Problema)
ESCRIBIR : CASO 1 (Para dar nombre al problema).
ESCRIBIR : 7 (Para indicar que el problema tiene 7 nodos).
ESCRIBIR : N (No se asigna nombre a nodos).
ESCRIBIR : Y (Para indicar que no es un problema con rutas de ida y
vuelta.
ESCRIBIR : Las relaciones entre nodos (números); en caso que no se
relacionen <ENTER>, en caso que datos ya ingresados
aparezcan nuevamente en la pantalla debe ignorarlos
pasándolos con <ENTER>, mas no debe borrarlos, el
ingreso de datos es el siguiente:
NODOS N1 N2 N3 N4 N5 N6 N7
ARCS FROM N1 15 10
ARCS FROM N2 3 6 17
ARCS FROM N3 4
ARCS FROM N4 4 5
ARCS FROM N5 2
ARCS FROM N6 6
En el agente viajero, se tiene una red de nodos, que pueden ser ciudades o
simplemente lugares de una ciudad. Se parte de un lugar inicial, y deben
recorrerse todos sin pasar más de una vez por cada lugar, volviendo al lugar
inicial. Para cada arco, se tiene un valor Cij, que indica la distancia o el costo de ir
del nodo i al nodo j. Se trata de encontrar en qué orden recorrer los nodos de la
red, de modo de minimizar la distancia total recorrida.
Ejemplo 4: Un agente viajero que vive en C1 parte de su casa y debe recorrer las
ciudades: C2, C3, C4 y C5 Y C6 para hacer sus ventas. Finalmente, debe
regresar a su casa. Como tiene varias alternativas para recorrer las ciudades, se
quiere encontrar en qué orden debe hacer su recorrido para minimizar el trayecto
total recorrido. En el mapa se muestran las ciudades, las rutas existentes y las
distancias entre ciudades. A partir de este mapa se construye la matriz de
distancias en kilómetros, indicándose con una X (equis) los casos en que no hay
rutas que conecten dos ciudades. Obsérvese que en este caso la matriz es
simétrica.
RICARDO TOLEDO QUIÑONES
- 127 -
ANÁLISIS CUANTITATIVO PARA LA TOMA DE DECISIONES I
DE A
C1 C2 C3 C4 C5 C6
C1 0 8 X 3 X 4
C2 8 0 1 5 9 X
C3 X 1 0 7 2 21
C4 3 5 7 0 X 3
C5 X 9 2 X 0 35
C6 4 X 21 3 35 0
RED 4
C2
8
1 9
3 C4
C1
7
3
C3
4 21 2 C5
C6
35
Solución óptima o cercana al óptimo: C1, C2, C5, C3, C4, C6, C1. Mínimo
Recorrido = 33. Es decir, que para recorrer todas las ciudades sin pasar más de
una vez por cada una, debe recorrer 33 kilómetros.
7. EL INVOP
Constituye un aporte importante a la Investigación Operativa llevada a cabo por
Beatriz Loubet de la Universidad de Cuyo – Argentina.
En el agente viajero se incluye las posibilidades para resolver: El caso del reparto,
el caso de la fábrica de llantas, secuencia de producción y el caso de las pinturas
(ver Problemas Propuestos).
(8) Ver detalles del INVOP en el siguiente ítem. Con este nombre lo puede ubicar
en Internet donde está a disposición el software.
RICARDO TOLEDO QUIÑONES
- 128 -
ANÁLISIS CUANTITATIVO PARA LA TOMA DE DECISIONES I
PROBLEMAS PROPUESTOS
a. Realice una red del problema donde cada arco muestre los tiempos del viaje
en minutos.
b. ¿Cuál es la ruta que debería tomar un taxi que sale del lugar 1 y debe llegar
al lugar 10? ¿Cuánto dura el viaje?
c. ¿Cuál es la ruta que debería tomar un taxi que sale del lugar 5 y debe llegar
al lugar 2? ¿Cuánto dura el viaje?
1 2 3 4 5 6 7 8 9 10
1 8 13 15 10 x x x x X
2 8 5 x x x 15 x x X
3 13 5 6 x 5 x x x X
4 15 x 6 4 3 x x x X
5 10 x x 4 9 x x 12 X
6 x x 5 3 9 4 2 5 X
7 x 15 x x x 4 4 x 4
8 x x x x x 2 4 5 7
9 x x x x 12 5 x 5 5
10 x x x x x x 4 7 5
19 26
23
33 38
49
Este problema puede verse como un problema de ruta más corta, donde se
trata de decidir de qué manera "voy" desde el año 1 al año 5. Obsérvese que
la matriz es no simétrica, ya que puedo 'ir' del año 1 al año 3, pero no puedo
volver, como lo indica la ruta prohibida.
Oficina 2 3 4 5 6
Oficina 0 15 10 X X X
2 15 0 6 5 X X
3 10 6 0 X 10 X
4 X 5 X 0 4 6
5 X X 10 4 0 3
6 X X X 6 3 0
Determinar la ruta más corta entre la oficina (nodo 1) hasta cada uno de los
lugares en donde se encuentran las obras.
Casilda 1 2 3 4 5 6 7 8 9 10
Casilda 0 35 20 20 30 X X X X X X
1 35 0 20 X X X X 70 X X X
2 20 20 0 10 X 40 X X X X X
3 20 X 10 0 X 35 30 X 60 X X
4 30 X X X 0 X 40 X X 60 40
5 X X 40 35 X 0 X 50 30 X X
6 X X X 30 40 X 0 X 50 40 X
7 X 70 X X X 50 X 0 20 X X
8 X X X 60 X 30 50 20 0 10 X
9 X X X X 60 X 40 X 10 0 15
10 X X X X 40 X X X X 15 0
Obtenga las distancias para las rutas más cortas desde Casilda hasta cada
una de las 10 ciudades. ¿Cuál es la ruta más corta a la ciudad 7? ¿Y a la
ciudad 9?
EXTENSIÓN MÍNIMA
Lab. 2 3 4 5 6 7 8
Lab. 600 700 800 X X X X
2 600 800 X 500 600 X X
3 700 800 500 X 400 600 X
4 800 X 500 X X 600 X
5 X 500 X X 300 X 400
6 X 600 400 X 300 500 200
7 X X 600 600 X 500 400
8 X X X X 400 200 400
FLUJO MÁXIMO
1 2 3 4 5 6 7 8
1 4 2 X X X X X
2 4 X X 2 5 X X
3 2 X 2 4 X X X
4 X X 2 3 X X 7
5 X 2 4 3 X 3 5
6 X 5 X X X 3 X
7 X X X X 3 3 2
8 X X X 7 5 X 2
10. Flujo de expedientes: Este ejemplo se desarrolla en una obra social del
medio, cuya misión es brindar cobertura médica a sus clientes. Su estructura
está formada por una Dirección General de la cual dependen dos
direcciones: la de Servicios Administrativos y la de Servicios Asistenciales.
La información circula entre los distintos sectores a través de expedientes.
30 60 Facturación
Mesa de Entradas Liquidación 50 60
Armar Exped.
A 90 B 60 C G 90 H
Tesorería
Secretaria
Firma y Sella
11. Producción: Una línea de producción puede verse como una red donde los
nodos representan estados de la materia prima o de productos
semiterminados y los arcos los procesos a los que se someten. Cada
proceso de esta red tiene su capacidad, y la capacidad de la línea de
producción corresponde al flujo en la red. Suponga que la siguiente red
representa una línea de producción y los números de los arcos las
capacidades de cada proceso:
B 9 D
6
5
4
A E
8 2
C
12. Red Telefónica: Una compañía de teléfonos de larga distancia utiliza una
red de líneas subterráneas de comunicación para ofrecer servicio de audio
de alta calidad entre dos ciudades importantes. Las llamadas se conducen
mediante diversas líneas de cable y diversos nodos de conexión en la red,
según se muestra en seguida en la tabla. Se muestra también el número de
¿Cuáles son los nodos de conexión y los flujos sobre los cables cuando el
sistema opera a toda su capacidad?
AGENTE VIAJERO
13. El Reparto: La firma Mauro & Co. tiene una casa Matriz y 5 sucursales. Con
un solo camión de reparto, debe recorrer, comenzando con la casa Matriz,
todas las sucursales y finalizar en la casa Matriz. ¿En qué orden debe
recorrerse las sucursales de modo de minimizar la distancia total recorrida?
SEGUIDO DE
COMPUESTO A B C D E F
A 250 300 100 X 170
B 250 160 X 270 150
C 300 160 230 X 140
D 100 X 230 220 X
E X 270 X 220 100
F 170 150 140 X 100
16. Pinturas: Una empresa de pinturas produce cinco colores de pinturas cada
mes. Al cambiar de uno a otro color, la máquina mezcladora debe limpiarse y
prepararse para el siguiente color. Este tiempo de disposición depende del
color que acaba de producirse y del color que se producirá a continuación.
Los tiempos de disposición, en segundos, al cambiar entre todas las parejas
de colores se muestran en la siguiente tabla:
A
DE Blanco Amarillo Naranja Rojo Negro
Blanco 0 150 120 100 110
Amarillo 170 0 110 90 100
Naranja 200 170 0 80 100
Rojo 220 190 100 0 90
Negro 300 210 180 130 0
Debido a los diversos diámetros de los caños, también son variables las
capacidades de flujo. Al abrir y cerrar selectivamente las diversas secciones
de la red de oleoductos, la empresa puede abastecer cualquiera de los
puntos de almacenamiento.
BIBLIOGRAFÍA
FAT
AGOSTO 2 14