Universidad Central de Venezuela

Facultad de Ingeniera
Maestra de Investigacin de Operaciones
Teora de Toma de Decisiones

Tarea 3

Integrantes:
Jos Alirio Cardoza
Yusnaibeth Gomez

Ciudad Universitaria de Caracas

Abril 2017
Tabla de contenido
1. Ejercicio Programacin meta .......................................................................................... 3
2. Programacin Meta Cuadrtica ....................................................................................... 5
3. Programacin Dinamica .................................................................................................. 8
Programacin Dinamica Determinista ................................................................... 12
Programacin dinmica probabilstica................................................................... 13
4. Bibliografia ................................................................................................................... 16
1. EJERCICIO PROGRAMACIN META

Para el problema planteado, se tiene que las variables de decisin sern las siguientes:

11 : 1 1
12 : 2 1
13 : 3 1
21 : 1 2
22 : 2 2
23 : 3 2
31 : 1 3
32 : 2 3
33 : 3 3

Se tiene en el problema planteado que todas las restricciones sern consideradas metas, por
lo tanto las metas quedan de la siguiente forma:

Meta de produccin por planta

11 + 12 + 13 750
21 + 22 + 23 300
31 + 32 + 33 450

Meta de colocacin de los productos

3011 + 2012 + 1513 12000

3021 + 2022 + 1523 10000
3031 + 2032 + 1533 6500

Meta de unidades producidas por tipo de producto

11 + 21 + 31 900
12 + 22 + 32 1000
13 + 23 + 33 700

Meta de Utilidad esperada

1511 + 1812 + 1213 + 1521 + 1822 + 1223 + 1531 + 1832 + 1233 3000
Formulacin del modelo:

min = 1+ + 2+ + 3+ + 4+ + 5+ + 6+ + 7 + 8 + 9 + 10

. :

11 + 12 + 13 + 1 1+ = 750
21 + 22 + 23 +2 2+ = 300
31 + 32 + 33 + 3 3+ = 450
3011 + 2012 + 1513 + 4 4+ = 12000
3021 + 2022 + 1523 + 5 5+ = 10000
3031 + 2032 + 1533 + 6 6+ = 6500
11 + 21 + 31 + 7 7+ = 900
12 + 22 + 32 + 8 8+ = 1000
13 + 23 + 33 + 9 9+ = 700
+
1511 + 1812 + 1213 + 1521 + 1822 + 1223 + 1531 + 1832 + 1233 + 10 10
= 3000
11 , 12 , 13 , 21 , 22 , 23 , 31 , 32 , 33 , , + 0 , = 1,2, ,10

Como condicin adicional se coloc que los valores de las variables debern ser nmeros
enteros.
Se busc la solucin al modelo planteado a travs del software de programacin R
utilizando el paquete Rglpk y se obtuvieron los siguientes resultados:

= 1200, 12 = 150, 13 = 600, 22 = 500, 32 = 250, 33 = 100

2+ = 200, 7 = 900, 8 = 100, 3 = 100, 10
+
= 21600

Solucin: No se cumplen con todas las metas establecidas, la planta 2 necesitara producir
200 productos ms de lo que su capacidad lo permite, no se elabora ningn producto del tipo
1 y se esperaba vender 900 de este tipo, se elaboran 100 productos menos del tipo 2 con
respecto a lo esperado.
2. PROGRAMACIN META CUADRTICA
La programacin meta en su forma bsica asume la linealidad de la funcin objetivo y de las
restricciones. Por lo tanto el incremento en cualquier desviacin, siempre adiciona una
cantidad igual a la funcin objetivo independiente del nivel de todas las otras desviaciones
metas. La programacin meta cuadrtica modela la funcin objetivo de forma cuadrtica
sujeta a restricciones lineales.

En el paper Quadratic Preferences and goal programming los autores expresan varias
ventajas de suponer un comportamiento cuadrtico de la funcin objetivo, el primero de ellos
vendra dado por el hecho de que un comportamiento lineal no aplica de forma realista en
muchos casos, entre ellos los autores mencionan los decrecimientos marginales(El nmero
de unidades de un bien a las que est dispuesto a renunciar un consumidor a cambio de una
unidad adicional de otro bien, es decir, mide la relacin de intercambio entre dos bienes que
mantiene constante el nivel de utilidad) utilizados en las teoras econmicas.

Adicional al comportamiento realista del sistema los autores mencionan las siguientes
ventajas de suponer un comportamiento cuadrtico: Es simple desde un punto de vista
computacional. Cuando se tiene un problema de programacin cuadrtica que envuelve
restricciones lineales, la formulacin cuadrtica es generalmente ms fcil de resolver que
suponer varios problemas de programacin no lineal. Existen varios algoritmos conocidos
cuando se asume preferencias cuadrticas en la formulacin del objetivo. Es ms sencillo
realizar anlisis de sensibilidad y dual cuando se usa la forma cuadrtica con respecto a
formas no lineales. Por ltimo la programacin cuadrtica proporciona una buena
aproximacin para muchas funciones que asumen un valor cero en un punto particular.

La formulacin de un problema de programacin meta cuadrtica con restricciones

adicionales a las metas basndonos en el planteamiento antes expuesto quedara de la
siguiente forma:

++ + + +
= ( + + )
=1 =1

+ + = , = 1,2,3, ,
=1

, = 1,2,3, ,
=1
, , + 0

Donde:

:
:
:
:
:
:
:
, + :

++
, , :

Ejemplo ilustrativo:

Una planta de produccin de bicicletas tiene una capacidad mxima de operacin de 8 horas
en un da. Con esta capacidad, la compaa produce dos productos: bicicletas de pista y
bicicletas regulares. La produccin de bicicletas de pista o bicicletas regulares requiere de
una hora en la fbrica. Segn el lmite de capacidad de ventas se espera que las ventas de las
bicicletas de pista y regulares sean 6 y 5 respectivamente. La utilidad por la venta de una
bicicleta de pista es de 20 unidades y por una regular es de 10 unidades. El director de la
compaa ha listado las siguientes metas en orden de importancia:
 1. Evitar cualquier tipo de sub-produccin de la planta
2. Lograr las ventas esperadas de ambos tipos de bicicletas.
Motivado a que las ventas de las bicicletas de pista generan el doble de utilidad que las
bicicletas regulares, el director de la planta est ms preocupado por alcanzar la meta de las
bicicletas de pista que de las bicicletas regulares (esta meta pudiese ser no lineal).

La formulacin de este problema considerando un comportamiento lineal ser:

= 1 1+ 22 3

1 + 2 + 1 1+ =8
+
1 + 2 2 =6
+
2 + 3 3 = 5
+ + +
1 , 2 , 1 , 1 , 2 , 2 , 3 , 3 0

1 :
2 :
1 :
1+ :
( = 2,3):
+ ( = 2,3): (En esta situacin se
considera imposible)

La solucin ptima consistir en una produccin de 10 bicicletas de pista y cinco bicicletas

regulares con un sobretiempo de 3 horas. A pesar de que se tiene una solucin no todas las
metas pueden ser logradas.

Ahora se reformular el problema considerando una formulacin cuadrtica:

= (1 )2 (1+ )2 2(2 )2 (3 )2

Estar sujeto a las mismas restricciones que el caso anterior.

La solucin ptima para este caso ser una produccin de 5.57 para bicicletas de pista y 4.14
para bicicletas regulares con una sobretiempo para la planta de 1.71 horas y sin lograr cumplir
la meta con respecto a la cantidad de ventas.
Se observa claramente una diferencia con respecto a los resultados obtenidos en el problema
de forma lineal con un tratamiento cuadrtico se disminuye en gran cantidad el sobretiempo
de trabajo de la fbrica pero se pierde utilidad al no lograr el nmero de ventas planificado.

Se har otra formulacin considerando que hay interacciones entre los trminos de la funcin
objetivo:

La interaccin entre los trminos puede ser usada para obtener una formulacin que refleje
una naturaleza asimtrica en la funcin de costos. Las preferencias asimtricas implican que
la utilidad marginal de cada variable de desviacin depende en principio de otra variable.

En orden de mostrar la interaccin entre los trminos se considerar la siguiente meta, Se

tratar de lograr las metas establecidas en cantidad de bicicletas vendidas pero minimizando
el sobretiempo, la nueva meta se establece igual de importante que las metas de cantidad de
bicicletas vendidas. La funcin objetivo de este problema queda escrito de la siguiente forma:

= (1 )2 (1+ )2 2(2 )2 (3 )2 1+ 2 1+ 3

Estar sujeto a las mismas restricciones de los casos anteriores.

La solucin ptima para este problema consiste en la produccin de 5 bicicletas de pista, 3
bicicletas regulares y sin sobretiempo de trabajo de la fbrica.

3. PROGRAMACIN DINAMICA

En el libro de Hiller-Leberman se define la programacin dinmica como una tcnica

matemtica til para la toma de una serie de decisiones interrelacionadas. Proporciona un
procedimiento sistemtico para determinar la combinacin ptima de decisiones.

En el libro de Taha se especifica que la programacin dinmica encuentra la solucin ptima

de un problema con n variables descomponindolo en n etapas, siendo cada etapa un
subproblema de una sola variable. Sin embargo, como la naturaleza de la etapa difiere de
acuerdo con el problema de optimizacin, la programacin dinmica no proporciona los
detalles de cmputo para optimizar cada etapa.
Los clculos de la programacin dinmica se hacen en forma recursiva, ya que la solucin
ptima de un subproblema se usa como dato para el siguiente subproblema. Para cuando se
resuelve el ltimo subproblema queda a la mano la solucin ptima de todo el problema. La
forma como se hacen los clculos recursivos depende de cmo se descompongan el problema
original. En particular, los subproblemas se vinculan normalmente mediante restricciones
comunes. Al pasar de un subproblema al siguiente se debe mantener la factibilidad de esas
restricciones comunes.

Ejemplo prototipo de programacin dinmica:

Este ejemplo es tomado del libro de Hillier-Leberman, este problema se conoce como el
problema de la diligencia. El problema consiste en un cazafortunas mtico de Missouri decide
ir al Oeste en busca de Oro. Tiene que hacer el viaje en diligencias, aun cuando el punto de
partida y de llegada son fijos, tiene muchas opciones en cuanto a que estados o territorios
debe elegir como puntos intermedios.

En la figura mostrada a continuacin del libro de Hillier-Liberman se ve las posibles rutas a

seguir siendo el punto de partida el estado A y el punto de llegado el estado J. Como se
observa en la figura el viaje consta de cuatro etapas (jornadas de diligencias.

En base a los costos de traslado de cada etapa se desea realizar el viaje minimizando los
costos totales de viaje, los costos de movilizarse de una etapa a otra se muestra en la figura
de estados anterior, abajo se colocar una tabla resumen de los costos de cada etapa extrada
del libro de Hillier-Lieberman.
Entonces la pregunta de este problema ser: Cul es la ruta que minimiza el costo total del
viaje?

Un primer planteamiento que pudiese imaginarse sera el de tomar la ruta ms econmica de

cada etapa, en ese caso se tendra la ruta A-B-F-I-J, con un costo total de 13. Sin embargo
esto no minimizara el costo total de toda la ruta, hay rutas que implicaran un costo menor.
Por ejemplo A-D-F es ms barato que A-B-F.

La metodologa para resolver el problema a travs de la programacin dinmica consistira

en comenzar con una solucin para una pequea porcin del problema y luego se va
agrandando el problema de manera gradual y se encuentra la solucin ptima a partir de la
que la precede hasta obtener la solucin total del sistema.

En caso del problema de la diligencia se comenzara con la ltima parte del problema
suponiendo que el viajero ya se encuentra en la ltima etapa del viaje y solo resta seleccionar
la ltima ruta. La solucin ptima ser la que le presente el menor costo de ir desde el estado
actual (an desconocido) hasta el punto de llegada J.
En cada una de las iteraciones siguientes, el problema aumenta en una el nmero de etapa
que les queda por recorrer para completar el viaje. En cada problema aumentado se debe
considerar los resultados obtenidos en las iteraciones anteriores.

La formulacin de este problema quedar de la siguiente manera:

Sean ( = 1,2,3,4) las variables de decisin que representan el destino inmediato de la

etapa el n-simo viaje que se har a lo largo de todo el recorrido. En este caso la ruta
seleccionada es A-1 2 3 4 , donde 4 = .

Sea (, ) el costo total de la mejor poltica global para enfrentar las etapas restantes,
como el viajero se encuentra en el estado , listo para iniciar la etapa y elige como
destino inmediato. Dado y , sea el valor de que minimiza (, ), y sea ()
el valor minimo correspondiente de (, ). Entonces:

() = min (, ) = (, )

Donde:

(, ) = ( )
+ ( + 1 )
= + +1 (, )

El valor de viene dado por la tabla de costos mostrada anteriormente al establecer =

( ) y = ( ). Como el destino final (estado J) se
alcanza al terminar la etapa 4, 5 () = 0.

El objetivo es encontrar 1 () y la ruta correspondiente. La programacin dinmica la

encuentra al determinar de forma sucesiva 4 (), 3 (), 2 () para cada uno de los estados
posibles s y usar despus 2 () para encontrar 1 ().

Aplicando esto en el problema tenemos que. Cuando el cazafortunas tiene una solo etapa por
recorrer ( = 4), su ruta de ah en adelante ser perfectamente determinada por su estado
actual s (ya sea H I), as como su destino final, 4 = , por lo tanto la ruta de esta ltima
jornada es s-J. Por lo tanto 4 () = 4 (, ) = , , la solucin inmediata al problema para
= 4 es, 4 () = 3 4 () = 4.

Cuando el cazafortunas tiene dos etapas por recorrer ( = 3), el procedimiento de solucin
requiere unos cuantos clculos. Suponiendo que nos encontramos en el estado , solo hay
dos posibles ruta I, si se decide seleccionar la ruta que nos lleva a tendremos que el
costo por movernos de a es de 6 y si se adiciona el costo por moverse de a es de 3
dando un costo total de 9, si se decide seleccionar la ruta que nos lleva a , el costo por
moverse de a es de 3 dando un costo total de 7, bajo esta suposicin la ruta a seleccionar
seria F-I-J debido que es la que me genera el menor costo.

Es necesario hacer este mismo clculo para los estados = y = , considerando dos
jornadas por delante. Este procedimiento se deber repetir hasta obtener la ruta total para el
cazafortunas. Una ruta ptima obtenida es A-C-E-H.-J.
Caractersticas de problemas de programacin dinmica
- El problema se puede dividir en etapas, cada una de las cuales requiere una poltica
de decisin.
- Cada etapa tiene cierto nmero de estados asociados con su inicio.
- El efecto de la poltica de decisin en cada etapa es transformar el estado actual en
un estado asociado con el inicio de la siguiente etapa (pudiese ser segn una
distribucin de probabilidad).
- El procedimiento de solucin est diseado para encontrar una poltica ptima para
manejar el problema completo, es decir, una receta para elaborar la poltica de
decisin ptima para cada etapa en cada uno de los estados posibles.
- Dado el estado actual, una poltica ptima para las etapas restantes es independiente
de la poltica adoptada en etapas anteriores. Por lo tanto, la decisin inmediata ptima
depende solo del estado actual y no de cmo se lleg ah. Este es el principio de
optimalidad de la programacin dinmica.
- El procedimiento de solucin inicia cuando se determina la poltica ptima para la
ltima etapa.
- Se dispone de una relacin recursiva que identifica la poltica ptima para la etapa n,
dada la poltica ptima para la etapa n+1.
- Cuando se usa esta relacin recursiva, el procedimiento de solucin comienza al final
y se mueve hacia atrs etapa por etapa hasta que encuentra la poltica optima desde
la etapa inicial. Esta poltica ptima lleva de inmediato a una solucin ptima.

PROGRAMACIN DINAMICA DETERMINISTA

El enfoque de la programacin dinmica en los problemas determinsticos implica que el
estado de la siguiente etapa est determinado por completo por el estado y la poltica de
decisin de la etapa actual.

La programacin dinmica determinstica se puede describir en un diagrama como el de la

figura mostrada a continuacin extrada del libro de Hillier-Liberman.
En la etapa el proceso est en algn estado . Al tomar la decisin se mueve a algn
estado +1 en la etapa + 1. La contribucin a la funcin objetivo de ese punto en adelante
se calcul como +1 (+1 ). La poltica de decisin tambin contribuye a la funcin
objetivo. Al combinar estas dos cantidades en la forma apropiada se obtiene ( , ), la
contribucin de la etapa en adelante. De la optimizacin respecto de se obtiene entonces
( ) = ( , ). Una vez determinado y ( ) para cada valor posible de , el
procedimiento de solucin se mueve hacia atrs una etapa.

Una manera de clasificar los problemas de programacin dinmica determinstica es con base
en la forma de la funcin objetivo. Por ejemplo, el objetivo puede ser minimizar la suma de
las contribuciones en cada etapa individual o maximizar esa suma, o bien minimizar el
producto de los trminos. Otra clasificacin se puede hacer en trminos de la naturaleza del
conjunto de los estados en las respectivas etapas. En particular, los estados pueden estar
representados por una variable de estado discreta como en el problema de la diligencia-, o
por una variable de estado continua, o tal vez se requiere un vector de estado (ms de una
variable). De manera similar, las variables de decisin (1 , 2 , , ) tambin pueden ser
discretas o continas.

El ejemplo mostrado anteriormente de la diligencia es una muestra claro de la programacin

dinmica determinstica.
PROGRAMACIN DINMICA PROBABILSTICA
La programacin dinmica probabilstica difiere de la determinstica en que el estado de la
siguiente etapa no est determinado por completo por el estado y la poltica de decisin de la
etapa actual. En su lugar existe una distribucin de probabilidad para determinar cul ser el
siguiente estado. Sin embargo, esta distribucin de probabilidad si queda bien determinada
por el estado y la poltica de decisin de la etapa actual. En el diagrama a continuacin se
muestra la estructura bsica que resulta para los problemas de programacin dinmica
probabilstica.
En lo que se refiere a este diagrama, sea S el nmero de estados posibles para una etapa +
1 y etiquete estos estados en el lado derecho con 1,2,, S. El sistema cambia al estado con
probabilidad ( = 1,2, , ) dados el estado y la decisin en la etapa . Si el sistema
cambia al estado , es la contribucin de la etapa a la funcin objetivo.

Cuando se expande la imagen de la figura mostrada anteriormente para incluir todos los
estados y las decisiones posibles en todas las etapas, se obtiene la que se conoce como un
rbol de decisiones.

Ejemplo programacin dinmica determinista:

El siguiente ejemplo es extrado del libro de Hillier- Liberman y se conoce como ganadora
de Las Vegas:

Una joven emprendedora experta en estadstica cree haber desarrollado un sistema para ganar
un popular juego en Las Vegas. Sus colegas no piensan que ese sistema sea tan bueno, por
lo que le apuestan que si comienza con tres fichas ella no tendrs al menos cinco fichas
despus de tres jugadas. Cada jugada incluye apostar cualquier cantidad de fichas disponibles
y ganar o perder el mismo nmero de fichas. La joven cree que su sistema le dar una
probabilidad de 2/3 de ganar una jugada dada.
Suponiendo que la muchacha est en lo correcto se quiere determinar cuntas fichas deber
apostar en cada jugada. La decisin deber tomar en cuenta los resultados de las jugadas
anteriores. El objetivo es maximizar la probabilidad de ganar la apuesta.

Formulacin del problema:

Etapa =n-esima jugada del juego( = 1,2,3)

=
Etapa =

Como el objetivo es maximizar la probabilidad de que la joven gane la apuesta, la funcin

objetivo que debe maximizarse en cada etapa es la probabilidad de terminar las tres jugadas
con cinco fichas o ms. (Observe que el valor de terminar con ms de cinco fichas es igual
al de terminar con cinco fichas, ya que la apuesta se gana de las dos formas) As,

( , ) =
( ) = max ( , )
La expresin para ( , ) debe refljar el eco de que en un momento dado, es posible
acumular 5 fichas aun cuando pierda la siguiente jugada. Si pierde el estado en la siguiente
etapa ser y la probabilidad de terminar al menos con cinco fichas ser entonces
+1 ( ). Por el contrario si gana la siguiente jugada el estado del sistema ser
+ y la probabilidad correspondiente ser +1 ( + ). Como se supone que la
probabilidad de ganar una jugada dada es 2/3, se concluye que

1 2
( , ) = +1 ( ) + +1 ( + )
3 3
Donde:
4 (4 ) = 0 4 < 5 1 4 5

La relacin recursiva para este problema es:

1 2
( ) = max +1 ( ) + +1 ( + )
3 3
Para = 1,2,3

El resultado obtenido es que la experta en estadstica tiene una probabilidad de 20/27 de ganar
la apuesta a sus colegas.
4. BIBLIOGRAFIA

- Jae K. Shim, Quadratic preferences and goal programming. 1975

- Nicolas Chavez, Modelos de programacin lineal y no lineal con multiobjetivos.
Revista Varianza n.8 la Paz nov. 2011
- Hillier-Liberman. Introduccin a la investigacin de operaciones. Octava edicin.
McGraw-Hill Interamericana, Mexico D.F, 2006.
- Hamdy A. Taha. Investigacin de Operaciones. Sptima edicin. Pearson Prentice
Hall. Mexico, 2004.