Escolar Documentos
Profissional Documentos
Cultura Documentos
PROGRAMACION DE METAS
1.1 INTRODUCCIÓN.
La mayoría de las situaciones de decisión real, sean personales o profesionales, se caracterizan por metas
(atributos) y objetivos múltiples más que por un simple objetivo. Estas metas (atributos) pueden ser
complementarias, pero frecuentemente son conflictivas y también inconmensurables. Por ejemplo, un
productor de autos como la General Motors desearía construir un vehículo de pasajeros que pudiera venderse
por menos de $200,000.00, tuviera 250 caballos y consiguiera 40 millas por galón. Consideremos, por
ejemplo, las metas (atributos) de economía de combustible y de potencia. entre más alta sea la potencia,
menor es la economía de combustible, indicando que las dos metas (atributos) están en conflicto. Además
estas dos metas (atributos) son inconmensurables, pues la potencia y las millas por galón tienen diferentes
escalas y dimensiones.
Una función costo c(x1,x2,....xn) es función de costo aditivo si existen n funciones c1(x1), c2(x2),....cn(xn)
que satisfagan
i=n
c(x1,x2,....xn) = ∑ ci(xi)
i=1
Un atributo (llamémosle atributo 1) es preferencialmente independiente (pi) de otro atributo (el atributo
2) si las preferencias para valores del atributo 1 no dependen del valor del atributo 2.
TEOREMA 1. Si el conjunto de atributos 1,2,....,n es mpi, las preferencias del tomador de decisiones se
pueden representar por una función valor (o costo) aditiva.
Restricciones de meta
Las suposiciones básicas que caracterizan el modelo de programación lineal se aplican igualmente al modelo
de programación meta. La diferencia principal en la estructura es que la programación meta no intenta
minimizar o maximizar la función objetivo como lo hace el modelo de programación lineal. En vez de ello,
busca minimizar las desviaciones entre las metas deseadas y los resultados reales de acuerdo a las prioridades
asignadas.. El objetivo de un modelo de programación meta es expresado en teérminos de las desviaciones de
las metas a que se apunta. esto es las desviaciones de las metas se colocan en la función objetivo y deben
minimizarse. El modelo general de la programación meta puede expresarse matemáticamente de la siguiente
manera:
m
min Z = ∑ wi(di+ + di-)
i=1
s.a.
n
∑aijxj+di- - di+ = bi para toda i
j=1
xj,di-,di+≥ 0 para toda j
Donde:
w = Ponderación de las desviaciones con respecto a la meta.
di- = Desviación déficit
Temas selectos de investigación de Operaciones. 3
di+ = Desviación excedente
1.4.1 EJEMPLO: SATISFACCIÓN DE UNA SOLA META.
Una división de Schwim Manufacturing Company produce dos tipos de bicicletas: (1) una bicicleta de 3
velocidades y (2) una de 10 velocidades. La división obtiene una utilidad de $25 en la bicicleta de 10
velocidades y $15 en la bicicleta de 3 velocidades. Debido a la fuerte demanda de estos artículos, durante el
período de planeación de verano la división cree que puede vender, a los precios que prevalezcan, todas los
unidades de estas dos bicicletas que produzca. Las instalaciones de producción se consideran recursos
escasos. estos recursos escasos corresponden al departamento de ensamblado y terminado. Los tiempos
unitarios de procesamiento y las capacidades de cada uno de los departamentos se muestran en la tabla
siguiente:
Hrs. requeridas para procesar cada bicicleta
Tipo de bicicleta En el Depto. de ensamble En el depto. de Contribución a la utilidad
terminación unitaria
3 velocidades 1 1 15
10 velocidades 3 1 25
Hrs. disponibles en cada 60 40
depto.
La división durante este período de planeación se enfrenta a cambios grandes de organización y cree que el
maximizar la utilidad no es un objetivo realista. Sin embargo, desearía lograr un nivel satisfactorio de utilidad
durante este período de dificultad. La dirección cree que la utilidad diaria de $600 debería satisfacerse y desea
determinar, dadas las restricciones del tiempo de producción, la mezcla de producto, que debería llevar a esta
tasa de contribución a utilidades.
Formula un modelo de programación meta que satisfaga estos requerimientos
Definición de variables:
x1 = Número de bicicletas de 3 velocidades producidas por día
x2 = Número de bicicletas de 10 velocidades producidas por día
d1- = Cantidad por debajo de la utilidad perseguida
d1+ = cantidad por encima de la utilidad perseguida
Minimizar Z = d1- + d1+
s.a.
x1 +3x2 ≤ 60 (horas de ensamble).
Restricciones estructurales
x1 + x2 ≤ 40 ( (horas de terminación)
Definición de variables:
xi = cantidad a producir del producto i mensualmente. i = 1,2,3,4.
F.O.
Min Z = d1- +d2- +d3- +d4- + d5- +d6+ +d7+ +d8+ +d9+ +d10+
s.a.
1) 415x1 +362x2 +216x3 + 68x4 -20d2+ - 20d3+ - 2 0d4+ - 20d5+ -d1 + + d1- =350,000
2).10x1+.08x2+.05x3+.04x4 -d2+ + d2- = 320
2.1x1 +1.4x2 +1.1x3 +0.9x4 -d3+ + d3- = 2400
x1+.7x2+.6x3+.5x4 -d4+ +d4- = 800
.3x1 +.2x2 +.15x3 +.1x4 -d5+ +d5- = 450
3)x1-d6+ +d6- = .5(x1+x2+x3+x4) ⇒ .5x1-.5x2-.5x3-.5x4 -d6+ +d6- = 0
-.5x1 +.5x2 -.5x3-.5x4 -d7+ +d7- = 0
Temas selectos de investigación de Operaciones. 5
-.5x1-.5x2+.5x3-.5x4 -d8+ +d8- = 0
-.5x1-.5x2-.5x3+.5x4 -d9+ +d9- = 0
4)d3+ -d10+ +d10- = 300
Restricciones estructurales:
x2≤ 90
xi≥ 0 para toda i
di+,di- ≥ 0 para toda i.
Donde:
x1 = Número de bicicletas de 3 velocidades producidas por día
x2 = Número de bicicletas de 10 velocidades producidas por día
d1- = Cantidad por debajo de la utilidad perseguida
d1+ = cantidad por encima de la utilidad perseguida
Temas selectos de investigación de Operaciones. 6
d2- = Tiempo ocioso diario en el departamento de ensamble
d2+ = Tiempo extra diario en el departamento de ensamble
d3- = Tiempo ocioso diario en el departamento de terminación.
d3+ = Tiempo extra diario en el departamento de terminación.
Nota: Puesto que d1- y d1+ se incluyen en la función objetivo, el modelo intentará lograr exactamente la
utilidad diaria perseguida de $600, minimizando tanto las desviaciones positivas como las negativas. Con d2+
d3+ y eliminados de la función objetivo, sin embargo, el modelo no se preocupará del tiempo extra en el
departamento de ensamble o terminación e intentará minimizar solamente el tiempo ocioso en estos
departamentos. Debido a que la meta de utilidad perseguida es más importante que la meta de minimización
del tiempo ocioso, a esta se le asigna prioridad P1 . El modelo intentará lograr esta meta hasta donde más le
sea posible antes de considerar la meta secundaria de minimizar el tiempo ocioso de producción.
EJERCICIO:
1. Resolver gráficamente este problema.
Nota: En este ejercicio se han asignado pesos diferentes (cardinales) o prioridades dentro de una meta dada,
como también prioridades diferentes (ordinales o cardinales) a metas diferentes.
EJERCICIOS:
La agencia de publicidad Leon Burnit quiere determinar el programa de anuncios en TV para la Priceler Auto
Company. Priceler tiene tres objetivos:
Objetivo 1 Sus anuncios deben ser vistos por un mínimo de 40 millones de personas con ingresos altos (PIA)
Objetivo 2 Sus anuncios deben ser vistos por un mínimo de 60 millones de personas con ingresos bajos (PIB).
Objetivo 3 Sus anuncios deben ser vistos por un mínimo de 35 millones de mujeres con ingresos altos (MIA)
Leon Burnit puede comprar dos tipos de anuncios: los que aparecen durante los juegos de fútbol y los que
aparecen durante los melodramas; a lo más puede gastar $600,000.00 dólares. Los costos del comercial y las
audiencias potenciales de un anuncio de 1 minuto se muestran en la siguiente tabla:
Temas selectos de investigación de Operaciones. 9
PIA PIB MIA COSTO
Anuncio en el fútbol 7 millones 10 millones 5 millones 100,000
Anuncio en los melodramas 3 millones 5 millones 4 millones 60,000
Leon Burnit debe plantear un modelo de programación por metas que determine cuántos minutos comprar
durante el fútbol y cuántos durante los melodramas, reduciendo al mínimo la penalización total por ventas
perdidas. Dicha penalización, en miles de dólares es : $200.00 para la meta 1, $100.00 para la meta 2 y $50.00
para la meta 3
a) Elabora el modelo de programación por metas.
b) Supongamos que se añade a este modelo la restricción de que se debe cumplir con un
presupuesto de $600,000.00 dólares. Si se decide que se tenga una penalización de 1 dólar
por cada dólar de diferencia con esa meta, entonces ¿cuál sería la formulación correcta del
modelo modificado?.
c) Utiliza el método simplex para resolver este problema (modificado).
d) Utiliza LINDO para resolver este problema (modificado).
1.4.5 EJERCICIOS DE TAREA.
1. Considera el siguiente problema de inversión:
Se cuenta con $2’ 000,000 para invertir en 6 años. Los instrumentos de inversión, junto con sus respectivas
tasas de interés a ganar, se muestran en la siguiente tabla:
1 2 3 4 5 6 Años
1 )Acciones 15%
2 )Bonos 40%
90 %
3) Prestamos
60%
4) Bienes Raíces
7.5%
5) Ahorro
2. La compañía de distribución Alpha suministra un solo producto a tres clientes en diversos sitios
desde bodegas diferentes. Durante el período de planeación considerado, la compañía no puede
cumplir la demanda de los clientes. Sin embargo, la compañía ha determinado que las demandas de
ciertos clientes deben satisfacerse a expensas de otros. Para evitar desequilibrios serios, es
importante balancear la porción de demanda satisfecha entre ciertos clientes. también debido a
acuerdos sindicales, la compañía debe satisfacer ciertos requisitos mínimos en los niveles de
embarque en ciertas rutas. Finalmente, varias de las rutas sobre las cuales se podría embarcar el
producto son peligrosas y deben evitarse.
A continuación se resume el problema de transporte y los costos de embarque se dan en cada una de
las celdas y los valores de demanda en los márgenes. Nota que la demanda total excede al suministro
total en 1,500 unidades.
Cliente 1 Cliente 2 Cliente 3 Suministro
Bodega 1 10 4 12 3000
Bodega 2 8 10 3 4000
Bodega 3 2000 1500 5000
La administración tiene la siguientes preferencias en las metas (en orden decreciente de importancia):
3. La compañía Bevco ha desarrollado recientemente tres nuevos productos haciendo uso del exceso de
capacidad en sus tres plantas sucursales existentes. Cada producto puede fabricarse en cualquiera de
las tres plantas. El análisis ha mostrado que sería rentable utilizar el exceso de capacidad para
producir estos nuevos productos. En realidad, el propósito principal de la gerencia al desarrollar los
nuevos productos era lograr la utilización completa de la capacidad productiva de exceso sobre una
base rentable. Mientras que las plantas Bevco generalmente operan a capacidad plena en sus líneas
Temas selectos de investigación de Operaciones. 12
de productos existentes, la producción por debajo de la capacidad normal ocurre con poca
frecuencia, presentando problemas con la fuerza laboral. Aunque la compañía no necesita la fuerza
laboral plena durante los períodos de holgura, el costo de los despidos sería considerable, y Bevco
desearía evitar esto tanto como fuera posible.
Además, la gerencia desearía balancear la utilización del exceso de capacidad entre las plantas
sucursales. esto serviría para distribuir equitativamente la carga de trabajo del personal de
supervisores asalariados y reducir los agravios de la fuerza laboral que se le paga por horas, que de
otra manera se sentiría discriminada con respecto a las cargas de trabajo o a los despidos.
Para el período que se está considerando, las plantas tienen las siguientes capacidades de producción
en exceso ( en términos de unidades) de nuevos productos y capacidades de embarque disponibles
asignadas a los nuevos productos:
Los productos 1, 2 y 3 requieren 30,20 y 15 pies cúbicos por unidad, respectivamente. Las
contribuciones unitarias a la utilidad de los productos 1,2 y 3 son $15 $18 y $12 respectivamente.
Los pronósticos de ventas indican que Bevco puede esperar ventas tan altas como 900, 1,000 y 700
unidades de los productos 1, 2 y 3 respectivamente, durante el período de planeación en
consideración.
Dada esta situación, la administración ha expresado las siguientes metas de preferencia en orden de
importancia decreciente.
1. Lograr una utilidad perseguida de $15,000
2. Utilizar tanto, como sea posible, la capacidad de exceso. Debido al bajo costo de la
mano de obra, la administración cree que es 1.5 veces más importante utilizar la
capacidad de exceso de la planta 1 que la de las plantas 2 y 3.
3. Lograr un balance de la carga de trabajo en la utilización de exceso de capacidad entre
todas las plantas. debido a ciertas demandas adicionales de los trabajadores de la planta
1, la administración cree que si ocurre algún desbalance en la carga de trabajo, es dos
veces más importante favorecer a la planta 1 con menor trabajo con respecto a las
plantas 2 y 3.
4. Lograr el pronóstico de ventas para el producto 2, puesto que éste tiene la mayor
contribución a la utilidad por unidad.
5. Producir suficiente cantidad de los productos 1 y 3 para cumplir con las ventas
pronosticadas.
6. No exceder la capacidad de embarque disponible.
2. TEOÍA DE REDES
2.1 MODELOS DE REDES
Una red es una construcción matemática formada principalmente por dos conjuntos: un conjunto de nodos (N)
y un conjunto de arcos (A), estos dos conjuntos están relacionados de tal forma que cada arco está siempre
definido por un par de nodos. La figura 1 muestra un ejemplo sencillo de una red, la cual consta de cinco
nodos (representados con círculos) y de siete arcos (representados con líneas).
1 3 5
Figura 1 : Red
Los modelos de redes son muy usados debido a su estructura, aún cuando es muy simple, sirve para capturar
las variables y relaciones importantes existentes en muchos sistemas reales. El caso más importante es
precisamente en los sistemas de carreteras o vialidades. Por ejemplo la red de la figura 1 puede fácilmente
interpretarse con los arcos como tramos de carreteras y los nodos como ciudades o intersecciones de
carreteras. Adicionalmente los modelos de redes sirven para representar una gran cantidad de sistemas para
los cuales la interpretación no es tan directa como la descrita anteriormente. De manera arbitraria diferentes
modelos de redes pueden clasificarse como: redes físicas, redes logísticas y redes de programación.
1 2
6
5 selectos de investigación de Operaciones.
Temas 14
74 8 3
Figura 2 : Red de vialidades
Temas
1 selectos de investigación de Operaciones. 15
4
1 2 12
P1 P2 ........... P12
I0 I1 I2 I11 I I12
.......................
D1 D2 D12
Combinaciones de uno o varios de estos tipos de redes dan lugar a "redes mixtas", por ejemplo, el problema
de planeación de la producción puede estar referido a un conjunto de plantas y a un conjunto de almacenes, lo
que daría lugar a una combinación de red logística y red de programación.
n0a1n1a2n2........aknk
en donde el arco ai = (ni-1,ni), lo cual garantiza "continuidad" en la secuencia. Una ruta siempre se define para
un par de nodos, siendo n0 el nodo inicial y nk el nodo final de ésta. Si los arcos de la ruta son dirigidos,
entonces se habla de una ruta dirigida. Por ejemplo, tomando la red de la figura 1, las siguientes secuencias
definen tres diferentes rutas entre los nodos 1 y 5:
1(1,3)3(3,5)5
1(1,3)3(3,4)4(4,5)5
1(1,2)2(2,4)4(4,5)5
Una ruta es simple si no usa ningún arco más de una vez. Una ruta es elemental si no usa ningún nodo más de
una vez. Si una ruta es elemental, necesariamente tiene que ser simple, pues una ruta que no es simple no
puede ser elemental ya que usar un arco más de una vez implica usar sus nodos también más de una vez. Las
tres rutas definidas anteriormente entre los nodos 1 y 5 de la figura 1 son elementales y por lo tanto simples.
Un ciclo es una ruta simple en la cual coinciden el nodo inicial y el nodo final. Es una secuencia de nodos y
arcos que regresan al nodo inicial sin repetir ningún arco. De esta manera, en la red de la figura 1, la
secuencia:
1(1,3)3(3,1)1
no es un ciclo, pues el arco (1,3) es igual al arco (3,1). Podría ser un ciclo si la red fuera dirigida y por lo tanto
los dos arcos mencionados fueran diferentes.
Al igual que en las rutas, existen ciclos dirigidos y no dirigidos, ciclos elementales y ciclos simples. Así un
ciclo simple no repite ningún arco y un ciclo elemental no repite ningún nodo, excepto el nodo inicial que
debe ser igual al nodo final. Un caso importante de ciclos es el ciclo Hamiltoniano, el cual es un ciclo
elemental que visita todos los nodos de la red. Un caso particular de ciclos es el anillo, el cual consiste de un
solo arco, el cual empieza y termina en el mismo nodo. En el ejemplo de la figura 1, las siguientes secuencias
son todas ciclos:
1(1,2)2(2,3)3(3,1)1
1(1,2)2(2,4)4(4,3)3(3,1)1
1(1,2)2(2,4)4(4,5)5(5,3)3(3,1)1
Para definir estas matrices, se usará a n como el número de nodos de una gráfica y a m como el número de
sus arcos. La matriz de incidencia, U, es una matriz de orden n x m, en la que cada uno de sus elementos, Uij ,
toma un valor igual al número de veces que el nodo nj y el arco aj son incidentes. Este valor es usualmente
igual a 0 ó 1, excepto cuando se tiene un anillo, en cuyo caso un nodo y un arco inciden dos veces. La matriz
de adyacencia V, es una matriz de orden m x m, en la que cada uno de sus elementos, Vij, toma un valor igual
al número de arcos que los unen. Para gráficas simples, estos valores son solamente igual a 0 ó 1.
1 2 3 4 5 6 7
1 1 1 0 0 0 0 0
2 1 0 1 1 0 0 0
3 0 1 1 0 1 1 0
4 0 0 0 1 1 0 1
5 0 0 0 0 0 1 1
1 2 3 4 5
1 0 1 1 0 1
2 1 0 1 1 0
3 1 1 0 1 1
4 0 1 1 0 1
5 0 0 1 1 0
Para redes grandes, lo usual es que estas matrices tengan una gran cantidad de elementos igual a cero, por lo
que casi no son usadas para almacenar los datos de una red en computadora. Una estructura de datos muy
usada para este fin es una lista llamada "estrella". En esta estructura los arcos son numerados en forma
sucesiva. Primero se numeran los arcos que empiezan con el nodo 1, luego los que empiezan con el nodo 2 y
así sucesivamente. Para los arcos que empiezan en el mismo nodo, se pueden numerar en forma ascendente
con respecto al nodo final. Una vez numerados los arcos, se guardan secuencialmente sus nodos inicial y
final, junto con un apuntador, apun( i ) , que para cada nodo i indica el primer arco que empieza con ese nodo.
Se puede tomar apun ( 1 ) = 1, y los arcos que salen del nodo i serán los arcos de apun ( i ) a apun ( i + 1 ) - 1
Temas selectos de investigación de Operaciones. 19
en la lista. En redes dirigidas se hace apun ( n + 1 ) = m + 1 y en redes no dirigidas apun ( k + 1) = m + 1,
con k igual al nodo inicial del último arco considerado.
Para la red de la figura 1 se tendrá:
i apun ( i )
1 1
2 3
3 5
4 7
5 8
arco nodo inicial nodo
final
1 1 2
2 1 3
3 2 3
4 2 4
5 3 4
6 3 5
7 4 5
8 - -
Ejemplos de estos problemas se tienen en las redes de las figuras 3 y 4. En la red de la figura 4, las
restricciones de balance de flujo indican que en cada mes la cantidad producida más el inventario del mes
anterior deben ser igual a la demanda del producto en ese mes más la cantidad enviada a inventario para el
siguiente. Las restricciones de capacidad indican que hay límites en la cantidad a producir en cada mes o en la
cantidad que puede guardarse como inventario en cualquier tiempo. Las restricciones de no-negatividad se
tienen, dado que no tiene sentido hablar de flujos negativos, pues éstos significarían alguna cantidad
negativa a producir o guardar como inventario. El costo del flujo estaría dado a partir de costos unitarios de
producción y de conservación de inventario.
NOTA.
Temas selectos de investigación de Operaciones. 24
Los problemas de flujo en redes con ofertas y demandas ya sean fijas o variables se representan con la
siguiente nomenclatura:
OFERTA:
(0, 10
10
Fija Variable
DEMANDA:
(0,20)
20
Fija Variable
• VARIABLES:
Actividades que se realizan entre los nodos ( o sobre los arcos)
• FLUJO:
Flujo factible: Balance de flujo en cada nodo (Flujo que entra = flujo que sale)
Flujo comprendido entre las cotas (inferior y superior) en cada arco.
• FUNCION OBJETIVO:
Min (Max) suma de costos (utilidades) sobre el conjunto de arcos:
• REPRESENTACION:
Cij (a,b)
i j
Xij
Plantea un modelo de redes de tal forma que su solución, nos lleve a encontrar la estrategia más barata si se
tienen los siguientes datos:
2.4.7.2 Data Corporal produce computadoras en Boston y en raleigh. Boston puede producir anualmente
hasta 400 computadoras, y Raleigh puede producir anualmente hasta 300 computadoras. Los clientes
en Los Angeles tienen que recibir anualmente 400 computadoras, y hay que enviar anualmente 300
computadoras a los clientes de Austin. Cuesta 800 dólares producir una computadora en Boston y
900 dólares producir una computadora en Raleigh. Se transportan las computadoras en avión y se
puede mandarlas vía Chicago: En la tabla 2.8 se muestran los costos para enviar una computadora
entre dos ciudades.
a) Formula un modelo de Flujo de Redes a Costo Mínimo que se pueda utilizar para minimizar el costo total
(producción + distribución) para satisfacer la demanda anual de Data Corporal.
b) ¿Como cambiaría el planteamiento del inciso (a) si se pudiera enviar a lo más 200 unidades a través de
Chicago? (Sugerencia: Añade un nodo y un arco a la red del inciso (a)).
La nueva etiqueta temporal para el nodo j es la longitud del camino más corto del nodo 1 al nodo j que pasa
solamente por nodos incluidos en los k nodos más cercanos al nodo 1. Ahora se convierte la etiqueta temporal
más pequeña en una etiqueta permanente. El nodo con esta nueva etiqueta permanente es el ( k+1)-ésimo
nodo más cercano al nodo 1. Se continua este proceso hasta que todos los nodos tengan una etiqueta
permanente. Para encontrar el camino más pequeño del nodo 1 al nodo j, regresar del nodo j, mediante la
obtención de los nodos que tienen etiquetas que difieren en exactamente la longitud del arco que los une.
naturalmente, si se quiere el camino más corto del nodo 1 al nodo j, se puede parar el proceso de poner
etiquetas en el momento que el nodo j reciba una etiqueta permanente.
Ejemplo. La CFE quiere mandar energía eléctrica desde la Central 1 (nodo 1) hacia la ciudad 1 (nodo 6), ésta
tiene que pasar por subestaciones relevadoras (nodos 2 -5 ) . En la siguiente figura se dan las distancias (en
millas) para cualquier par de nodos, entre los cuales se puede transportar la energía. La CFE quiere que la
energía que se manda desde la central 1 hacia la ciudad 1, viaje la menor distancia posible; por lo tanto, tiene
que encontrar el camino más corto. Resuelve utilizando el algoritmo de Dijkstra.
3
4 2 4
2
2
1 3 6
2
3
3 5
En este algoritmo se deben considerar varios flujos de prueba, con el objeto de incrementar el flujo total a lo
largo de la red. Para esto, se necesita emplear el siguiente procedimiento. Siempre que asignemos un flujo a
un arco particular, nos atendremos a las reglas:
1. Se reduce la capacidad en la dirección del flujo asignado, por la cantidad de flujo
Temas selectos de investigación de Operaciones. 29
2. Se aumenta la capacidad en sentido opuesto por la cantidad del flujo.
PASO 1. Encuentra cualquier camino del origen al destino que tenga capacidad de flujo positiva. Es decir,
considerando todos los arcos del recorrido, la mínima de las capacidades en la dirección del flujo (origen-
destino) debe ser positiva. Si no hay tales caminos disponibles, se habrá encontrado la solución óptima.
PASO 2. Sea Cmin la capacidad mínima de flujo de entre todos los arcos seleccionados en el paso 1. Se
aumenta el flujo existente a través de la red al enviar un flujo adicionadle Cmin sobre este camino.
PASO 3. Por este mismo camino, se disminuyen las capacidades en la dirección del flujo en cada arco, en la
cantidad Cmin. Se aumentan las capacidades en la dirección opuesta en Cmin, para todos los arcos del
camino.
PASO 4. El flujo total de cada arco se determina comparando la capacidad final del arco con la capacidad
inicial. Para cada arco la regla es: Si la capacidad final es menor que la capacidad inicial, calcula la
diferencia. Esta es la cantidad de flujo a través del arco. En caso contrario la cantidad del flujo es igual a cero.
Ejemplo: Gloria tiene a su cargo la Comisión de Planeación de Desarrollo Urbano (UDCP) grupo de estudio
extensivo de especial interés. La responsabilidad normal de este grupo consiste en coordinar la construcción
del nuevo sistema de vías subterráneas con el departamento de mantenimiento de autopistas. Debido a la
construcción del nuevo sistema de vías subterráneas en las proximidades del periférico de la ciudad, el
tránsito en el borde oriental del periférico debe desviarse. La desviación planeada abarca una red de rutas
alternas que han sido propuestas por el departamento de mantenimiento de autopistas. Los diferentes límites
de velocidad y las vías de tránsito producen diversas capacidades de flujo en los distintos arcos de la red
propuesta (ver figura). Encuentra el flujo máximo para la red de este problema.
6 0
00
2 4 6 0
4 0 00
00 0 0
2 0
00 6
1
3 3
2 0
6 0 00
00 3 5
4 0
00
Paramos cuando:
3. CADENAS DE MARKOV
3.1 PROCESO ESTOCÁSTICO.
Supón que observamos alguna característica de un sistema de puntos discretos en el tiempo (que llamamos
0,1,2,....). sea Xt el valor de la característica del sistema en el tiempo t. En la mayor parte de los casos no se
conoce Xt con certeza antes del tiempo t y se puede considerar como variable aleatoria. Un proceso
estocástico de tiempo discreto es simplemente una descripción de la relación entre las variables aleatorias X0,
X1, X2.....
EJEMPLOS:
1. La ruina del jugador.- En el tiempo 0 tengo 2 dólares. En los tiempos 1,2,.... participo en un juego en el que
apuesto 1 dólar. Gano el juego con probabilidad p, y lo pierdo con probabilidad 1-p . Mi meta es aumentar el
capital a 4 dólares, y tan pronto como lo logre se suspende el juego. El juego también se suspende si mi
capital se reduce a 0 dólares. Si definimos que Xt es mi capital después del juego cuando el tiempo es t, si es
que lo hay, entonces se puede considerar que x0, x1,x2,.....,Xt, son procesos estocásticos de tiempo discreto.
Nota que X0 = 2 es una constante conocida, pero que X1 y las demás Xt son aleatorias. Por ejemplo, X1 = 3 con
probabilidad p y X1 = 1 con probabilidad 1-p. Nota que si Xt = 4, entonces Xt+1 y todas las demás Xt,, también
serán iguales a 4. Igualmente, si Xt = 0, entonces Xt+1 y todas las demás Xt serán 0 también.
X1 = 3 Probabilidad p
X0 = 2
X1 = 1 Probabilidad 1-p
2. En una urna que contiene bolas hay dos sin pintar. Se selecciona una bola al azar y se lanza una moneda. Si
la bola elegida no está pintada y la moneda produce cara, pintamos la bola de rojo; si la moneda produce
cruz, la pintamos de negro. Si la bola ya está pintada, entonces cambiamos el color de la bola de rojo a negro
o de negro a rojo, independientemente de si la moneda produce cara o cruz. Para modelar este caso como
proceso estocástico, definimos a t como el tiempo después que la moneda ha sido lanzada por tésima vez y se
ha pintado la bola escogida. En cualquier tiempo se puede representar el estado mediante el vector [u, r, b],
donde u es el número de bolas sin pintar en la urna, r el número de bolas rojas y b el de bolas negras. Se nos
dice que X0 = [2,0,0]. Después del primer lanzamiento una bola habrá sido pintada ya sea de rojo o de negro y
el estado será [1,1,0] ó [1,0,1]; por lo tanto, podemos asegurar que X1 = [1,1,0] ó X1 = [1,0,1]. Es claro que
debe haber alguna relación entre las Xt. Por ejemplo, si Xt = [0,2,0], podemos asegurar que Xt+1 [0,1,1].
3.3 CADENA DE MARKOV.- Es un tipo especial de procesos estocásticos de tiempo discreto. Se supondrá
que en cualquier tiempo, el proceso estocástico de tiempo discreto puede estar en uno de un número finito
de estados identificados por 1,2,.....,S.
DEFINICIÓN: Un proceso estocástico e tiempo discreto se llama Cadena de Markov, si para t = 0,1,2,.... y
todos los estados:
(1)
En esencia la ecuación (1) dice que la distribución de probabilidad del estado en el tiempo t+1 depende de la
del estado en el tiempo t(it) y no depende de los estados por los cuales paso la cadena para llegar a it del
tiempo t.
también se hace la hipótesis adicional que para todos los estados i y j y toda t. P( Xt+1 = j / Xt = i)
es independiente de t. Esta hipótesis permite escribir:
(2)
Donde :
Temas selectos de investigación de Operaciones. 32
pij = Probabilidad de que dado que el sistema está en el estado i en el tiempo t, el sistema estará en el estado j
en el tiempo t+1.
Si el sistema pasa del estado i durante un período al estado j durante el siguiente, se dice que ha ocurrido una
transición de i a j. Con frecuencia se llaman probabilidades de transición a las pij en una Cadena de Markov.
La ecuación (2) indica que la ley de probabilidad que relaciona el estado del siguiente período con el estado
actual no cambia, o que permanece estacionaria, en el tiempo. Por este motivo a menudo se llama Hipótesis
de estabilidad de la ecuación (2). Toda Cadena de Markov que cumple con la ecuación (2) se llama cadena
estacionaria de Markov.
Otro concepto que se necesita definir es el de qi como la probabilidad de que la cadena se encuentra en el
estado i en el tiempo 0; en otras palabras:
P ( x0 = i) = qi.
Al vector q = [q1,q2,q3,....,qs] se le llama distribución inicial de probabilidad de la Cadena de Markov.
En la mayoría de las aplicaciones las probabilidades de transición se presentan como una matriz P de
probabilidad de transición de S x S . La matriz de probabilidad P se puede escribir como:
P11 P12............P1S
P21 P22...........P2S
P = . . .
. . .
. . .
PS1 PS2............PSS
dado que el estado es i en el tiempo t, el proceso debe estar en algún lugar en el tiempo t+1. esto significa que
para cada i:
también sabemos que cada elemento de la matriz P debe ser no negativo. Por lo tanto, todos los elementos de
la matriz de probabilidad de transición son no negativos; los elementos de cada renglón deben sumar 1.
Ejemplo: Encuentra la matriz de transición y la representación gráfica del ejemplo la ruina del jugador.
Es decir:
(3)
El segundo miembro de la ecuación (3) es tán sólo el producto escalar del renglón i de la matriz P por la
columna j de esa matriz. Por lo tanto Pij(2) es el ij-ésimo elemento de la matriz P2. Generalizando este
razonamiento para n>1:
P1j
Pi1
2
Pi2 P2j
i
j
Pik
Pkj
k
P
Temasis selectos de investigación de Operaciones. 34
Psj
s
Tiempo 0 Tiempo 1 Tiempo 2
1 Si j = 1
Pij (0) =
0 En caso contrario
Ejemplo: Una industria de refresco produce dos colas. Cuando una persona ha comprado la cola 1, hay una
probabilidad de 90% de que su siguiente compra sea de cola 1. Si una persona compró cola 2, hay 80% de
probabilidades de que su próxima compra sea de cola 2. Resuelve lo siguiente:
1. Si actualmente una persona es comprador de cola 2 ¿cuál es la probabilidad de que compre cola 1
q
pasadas 2 compras1a partir de hoy?. 1
2. Si en la actualidad una persona es comprador de cola 1, ¿cuál es la probabilidad de que compre cola
P1j (n)
1, pasadas 3 compras a partir de ahora?.
q2
2
P2j (n)
Si se desconoce el estado de la cadena de Markov en el tiempo 0. Como se definió anteriormente, sea q i la
probabilidad de que la cadena esté en el estado i en el tiempo 0. entonces se determina la probabilidad
j de que
el sistema esté en el estado i en el tiempo n mediante el siguiente razonamiento:
P (n)
ij
qi k
Temas selectos de investigación de Operaciones. 35
Psj(n)
qs
s
Tiempo 0 Tiempo n
Probabilidad de estar en el estado j en el tiempo n = Probabilidad de que el estado original sea i)*(Probabilidad de pasar de
i a j en n transiciones)
= q (columna j de Pn ) (5)
.4 .6 0 0 0
.5 .5 0 0 0
P = 0 0 .3 .7 0
0 0 .5 .4 .1
0 0 0 .8 .2
.6 .7
.4
.5
.3 4
1 2 3
.4
.5 .5
.1
.8
.2
Temas selectos de investigación de Operaciones. 37
TRAYECTORIA.- Dados 2 estados i y j, la trayectoria de i a j es la sucesión de transiciones que comienzan
en i y terminan en j, de modo que cada transición de la secuencia tenga probabilidades positivas de
presentarse.
ESTADO ALCANZABLE.- Un estado j es alcanzable desde un estado i, si hay una trayectoria que vaya de i
a j. Ejemplo el estado 5 desde el estado 3 con la trayectoria 3-4-5
CONJUNTO CERRADO.- Un conjunto de estados S en una cadena de Markov es conjunto cerrado si ningún
estado fuera de S es alcanzable desde un estado en S. Ejemplo S1 = {1,2}
S2 = {3,4,5}.
ESTADO ABSORBENTE.- Un estado i es estado absorbente si Pij =1. Siempre que estemos en un estado de
absorción, nunca lo podremos dejar. En el ejemplo la ruina del jugador, los estados 0 y 4 son absorbentes. Es
natural que un estado absorbente sea un conjunto cerrado que solo contenga un estado.
ESTADO TRANSITORIO.- Un estado i es un estado transitorio si hay un estado j alcanzable desde i, pero el
estado i no es alcanzable desde el estado j.
En otras palabras el estado i es transitorio si hay manera de dejar el estado i de tal modo que nunca se regrese
a él. Ejemplo en el caso ruina del jugador llegamos a 4 por la trayectoria 2-3-4 y no se puede regresar a 2
desde 4.
ESTADO PERIÓDICO.- Un estado i es periódico con período k>1, si k es el menor número tal que todas las
trayectorias que parten del estado i y regresan al estado i tienen una longitud múltiplo de k. Ejemplo para la
cedna de Markov con matriz de transición:
1
1
0 1 0
P= 0 0 1
1 0 0
1 2 3
Cada estado tiene período 3. Por ejemplo, si comenzamos en el estado 1, la única manera de regresar a ese
estado es seguir la trayectoria 1-2-3-1 durante digamos m veces. Por lo tanto, cualquier regreso al estado 1
tomará 3m transiciones, de modo que el estado 1 tiene período 3. Donde nos encontremos tendremos la
seguridad de regresar allí tres períodos después.
CADENA ERGÓDICA.- Es aquella en la que todos los estados son recurrentes, aperiódicos y se comunican
entre sí.
EJERCICIOS:
1. Determina cual de las siguientes matrices de transición, corresponden a una cadena de Markov Ergódica:
1 / 3 2/3 0
P1 =
1 / 2 0 1/ 2
0 1/ 4 3 / 4
1 / 2 1 / 2 0 0
1 / 2 1 / 2 0 0
p2 =
0 0 2/3 1/ 3
0 0 1/ 4 3 / 4
1 / 4 1/ 2 1 / 4
p3 =
2 / 3 1/ 3 0
0 2 / 3 1 / 3
0 0 1 0 0 0
0 0 0 0 0 1
0 0 0 0 1 0
P =
1 / 4 1 /4 0 1/ 2 0 0
1 0 0 0 0 0
0 1/ 3 0 0 0 2 / 3
0 .8 .2
P1 =
.3 .7 0
.4 .5 .1
.2 .8 0 0
0 0 .9 .1
P2 =
.4 .5 .1 0
0 0 0 1
EJERCICIOS.
4. ¿Cuál de las siguientes cadenas de Markov es ergódica?. Dibuja la red de cada una de ellas.
.4 0 .6
(a) P1 = .3 .3 .4
0 .5 .5
.7 0 0 .3
(b) P2 = .2 .2 .4 .2
.6 .1 .1 .2
.2 0 0 .8
Las probabilidades de estado estable se usan para describir el comportamiento de una Cadena de Markov a
largo plazo. Están basadas en el siguiente teorema:
TEOREMA 1: Sea P la matriz de transición de una cadena ergódica a S estados. Existe entonces un vector π
= [π 1, π 2, ... π S] tal que:
π1 π 2 π S
π π π
lim P = 1
n 2 S
n →∞
π1 π 2 π S
lim Pij ( n) = π j
n →∞
Observa que para n grande Pn tiende a ser una matriz con renglones idénticos. Esto quiere decir, que después
de largo tiempo la Cadena de Markov se estabiliza, e independiente del estado inicial i, hay una probabilidad
π j de que nos encontramos en el estado j.
El vector π = [π 1, π 2, ... π S] se llama distribución de estado estable, o también distribución de
equilibrio para la Cadena de Markov.
Para encontrar la distribución de probabilidades de estado estable para una cadena dada cuya matriz de
transición es P, se hace el siguiente razonamiento:
En Forma matricial:
Π = ΠP (8’)
Este sistema de ecuaciones tiene número infinito de soluciones.
Para obtener valores únicos de probabilidades de estado estable, nota que para toda n y para toda i,
Pi1(n) + Pi2(n) + ..............+Pi(n) =1 (9)
Al hacer que n tienda al infinito:
∏+ ∏ +...... + ∏ =1
1 2 s
(10)
Esta última ecuación sirve para despejar las probabilidades de estado estable.
Ejemplo: Para el problema de refresco de cola, encuentra la probabilidad de que después de largo plazo una
persona compre cola 1 y la probabilidad de qu, en el largo plazo, una persona compre cola 2.
∏ (1 − P ) = ∑∏ P
j ij
k≠j
k kj (11)
Probabilidad de que una transición determinada deje al estado j = Probabilidad de que una transición
determinada entre al estado j.
La ecuación (11) dice que en el estado estable, el “flujo” de probabilidad hacia cada estado debe ser igual al
flujo de probabilidad que sale de cada estado. esto explica porque las probabilidades de estado estable se
llaman con frecuencia probabilidades de equilibrio.
Pij, necesitaremos una transición para pasar del estado i al estado j. Para k ≠ j pasamos a continuación, con
probabilidad Pik, al estado k. En este caso, se necesitará un promedio de 1+m kj transiciones para pasar de i a j.
este modo de pensar indica que:
mij = Pij (1) + ∑Pik (1 + m kj )
k≠j
como:
Pij + ∑Pik = 1
k≠j
Con (13) se pueden encontrar todos los tiempos promedios de primer pasaje.
También se tiene que:
1
mij =
∏ i
Ejercicio: Para el caso de refresco de cola, encuentra el número de botellas de cola 1 que un cliente consume
antes de consumir una botella de cola 2. Encuentra también el número de botellas de cola 2 que el cliente
consume antes de consumir una botella de cola 1.
Para simplificar el ejemplo, se considera que después de 3 meses, la cuenta o se cobra o se considera
incobrable.
Suponga que los últimos datos indican que la siguiente cadena de Markov describe como cambia el estado de
una cuenta de un mes al siguiente:
0 .6 0 0 .4 0
0 0 .5 0 .5 0
0 0 0 .4 .6 0
0 0 0 0 .7 .3
0 0 0 0 1 0
0 0 0 0 0 1
Una vez que una deuda se paga o se considera incobrable, se cierra y no se tienen más transiciones. Por lo
tanto, pagada e incobrable son estados absorbentes. Como toda cuenta al final o se paga o se considera
incobrable, las cuentas nuevas, 1 mes, 2 meses y 3 meses son estados transitorios.
Para toda cadena absorbente se desea conocer:
1) Si la cadena empieza en un estado transitorio determinado, y antes de alcanzar un estado absorbente,
¿cuál es el número esperado de veces que se llegará a un estado? ¿cuántos períodos esperamos pasar en
un determinado estado transitorio antes de que se efectúe la absorción?
2) Si una cadena inicia en un estado transitorio dado, ¿cuál es la probabilidad de terminar en cada uno de los
estados absorbentes?
Para contestar estas preguntas, se necesita formular la matriz de transición con los estados en una lista con el
siguiente orden: Primero las S-m estados transitorios (t1,t2,...,ts-m)y después los m estados absorbente
(a1,a2,.....am). Entonces la matriz de transición para la cadena de absorción se escribe como:
S-m columnas m columnas
Q R
S-m renglones
P=
m renglones I
0
Donde:
I = matriz identidad mxm; refleja el hecho de que nunca podremos dejar un estado absorbente
Q = Matriz (S-m)x(S-m) .Representa las transiciones entre los estados transitorios.
R = Matriz (S-m)x(m) . Representa las transiciones desde los estados transitorios a los absorbentes.
0 = Matriz mx(S-m) consta de ceros.Refleja el hecho de que es imposible ir de un estado absorbente a uno
transitorio.
Aplicando esta notación al caso de Cuentas por cobrar:
t1 =Nuevo
t2= 1 mes
t3 = 2 meses
t4= 3 meses
a1 = Pagadas
a2= Incobrables
EJERCICIO.
Del caso de Cuentas por cobrar, resuelve lo siguiente:
1) ¿Cuál es la probabilidad de que una cuenta nueva sea cobrada alguna vez?
2) ¿Cuál es la probabilidad de que una cuenta atrasada un mes se vuelva incobrable?
Si las ventas de la empresa son 100,000 dólares en promedio mensual ¿cuánto dinero será incobrable cada
año?
PROBLEMAS.
1. Al Principio de cada año, mi automóvil está en un estado bueno, regular o malo. Un buen automóvil será
bueno al principio del año siguiente, con probabilidad .85, regular con probabilidad .10 y malo con
probabilidad .05. Un automóvil regular estará regular al principio del año siguiente con probabilidad .70
y malo con probabilidad .30. Cuesta 6000 dólares comprar un buen automóvil, uno regular se puede
conseguir por 2000 dólares; uno malo no tiene valor de venta, y se debe reemplazar de inmediato por
uno bueno. Cuesta 1000 dólares al año el funcionamiento de un buen automóvil, y 1500 dólares el de uno
regular. ¿Debo reemplazar mi automóvil tan pronto como se vuelve regular, o debo esperar hasta que se
descomponga?. Suponga que el costo de funcionamiento de un automóvil durante un año depende del
tipo de vehículo que se tiene a la mano al principio del año ( después de llegar cualquier auto nuevo,. si
es el caso).
2. Se tienen 2 acciones. Las acciones 1 siempre se venden a 10 dólares o 20 dólares. Si hoy las acciones 1 se
venden a 10 dólares, hay una probabilidad de .80 de que mañana se vendan a 10 dólares. Si las acciones 1
se venden hoy a 20 dólares, hay una probabilidad de .90 de que mañana se vendan a 20 dólares. Las
acciones 2 siempre se venden a 10 dólares o a 25 dólares. Si se venden hoy a 10 dólares, hay una
probabilidad .90 de que se vendan mañana a 10 dólares. Si se venden hoy a 25 dólares, hay una
probabilidad .85 de que mañana se vendan a 25 dólares. En promedio, ¿qué acciones se venden a mayor
precio?.
3. Formúlese como una cadena de Markov el siguiente proceso. El fabricante de dentífrico Brillo controla
actualmente el 60% del mercado de la ciudad de León. Datos del año anterior muestran que 88% de
consumidores de Brillo continúan usándola, mientras que 12% de los usuarios de Brillo cambian a otras
marcas. Además, 85% de los usuarios de la competencia permanecieron leales a estas otras marcas,
(14')
H i + ∑N k Pki = N i ∑Pik
k ≠i k ≠i
Dados las Pij y las Hi, se utiliza la ecuación (14) para encontrar el censo de estado estable.
Dadas las Pij y un censo deseado de estado estable se utiliza (14') para hallar H1, H2,..Hs que logre el censo
deseado.
EJEMPLOS:
1. Suponga que se puede clasificar a cada mexicano en uno de 3 grupos : niños, adultos que trabajan, o
retirados. Durante un período de un año, 0.959 de los niños aún son niños, 0.04 de los niños pasan a
ser adultos que trabajan y 0.001 de los niños mueren. Durante cualquier año 0.96 de los adultos que