Professional Documents
Culture Documents
ANALISIS DE DECISIONES
Prefacio
PREFACIO
P-1
Prefacio
P-2
Indice
INDICE
Pagina
Contenido
PREFACIO
P-1
I.-
LOGICA DE PROPOSICIONES
Operadores primarios
a) Negacin
b) Conjuncin
Los otros operadores
a) Disyuncin inclusiva
b) Disyuncin exclusiva
c) Implicacin
d) Doble implicacin
e) La incompatibilidad
1-1
1-1
1-1
1-1
1-2
1-2
1-2
1-2
1-2
1-3
1-7
II-.
1-3
APLICACIONES
A.- Anlisis de Enunciados
EJEMPLO 1.1
B.- Redes lgicas
EJEMPLO 1.2
Representacin de condiciones lgicas en los
problemas de investigacin de operaciones
1-8
1-8
1-8
1-9
1-9
EJERCICIOS
1-11
NOTAS Y REFERENCIAS
1-12
2-1
EJERCICIOS
2-4
2-4
RELACIONES
Tipos de relaciones
Reflexividad
Simetra
Transitividad
Circularidad
Relacin de equivalencia
2-5
2-5
2-5
2-5
2-5
2-6
2-6
I-1
1-10
Indice
Relacin de semejanza
Relacin de orden dbil
Relacin de orden estricto
III.-
2-6
2-6
2-6
APLICACIONES
A.Anlisis de enunciados
B.Anlisis de recepcin/transcripcin
de datos
C.Construccin de teoras
2-7
2-7
EJERCICIO
2-9
2-10
2-10
2-10
2-11
2-11
2-11
2-11
2-7
2-8
2-12
2-12
2-12
2-12
2-12
2-13
2-13
2-13
2-14
2-15
NOTAS Y REFERENCIAS
2-16
3-1
3-1
I-2
3-1
3-2
3-3
Indice
IV.-
V.-
3-4
EL FACTOR TIEMPO
APLICACIONES
3-5
3-5
NOTAS Y REFERENCIAS
3-7
LOGICA PROBABLE
La lgica probable como un refinamiento
de la lgica modal
4-1
APLICACIONES
1.- Confiabilidad de un sistema
2.- Anlisis de Decisiones
4-3
4-3
4-4
NOTAS Y REFERENCIAS
4-5
5-1
APLICACIONES
1.- Calidad de un sistema
5-3
5-3
I-3
4-2
5-4
5-4
5-5
5-5
5-5
5-5
5-5
5-5
5-6
5-6
5-6
5-6
5-7
5-7
5-7
5-7
5-7
5-7
5-8
4.-
5.-
Indice
4) Complemento respecto a X
5) Inclusin
6) Pertenencia Borrosa
Ejemplo
Nmeros Borrosos
- Operaciones con nmeros borrosos
5-8
5-8
5-8
5-8
5-9
5-9
5-10
5-10
BIBLIOGRAFIA
5-11
5-11
5-11
5-13
5-13
5-16
5-16
B-1
I-4
Lgica Proposicional
Operadores primarios.
Son los operadores a partir de los cuales se pueden definir todos los dems
operadores 1 :
a)
Negacin:
Sea p una proposicin, entonces p (no p), la negacin de p, ser falsa
b)
Conjuncin:
Sea p y q dos proposiciones, entonces p q ( p y q ), la conjuncin de p y q,
1-1
Lgica Proposicional
Disyuncin inclusiva
p q ( p o q), la disyuncin inclusiva de p y q, ser falsa slo cuando ambas
b)
Disyuncin exclusiva:
p q ( p, q), la disyuncin exclusiva de p y q, ser verdadera cuando una
de las dos proposiciones es verdadera y la otra falsa, mientras que es falsa cuando
las dos son falsas o las dos son verdaderas simultneamente, y es equivalente a: (p
q) (p q) tambin a (p q) (p q).
c)
Implicacin
p==>q (p implica q si p entonces q) es falsa slo cuando el antecedente (p)
d)
Doble implicacin
p<==>q (p si y slo si q) es verdadera cuando ambos (p y q) son verdaderos
1-2
Lgica Proposicional
e) La incompatibilidad.
p|q (p es incompatible con q) es falsa cuando ambos (p y q) son verdaderos, y
es equivalente a p q.
nombre
interpretacin
1) p ===> p
Identidad.
a) Si se da p, entonces p se da.
b) Si una proposicin es cierta entonces es
cierta.
2) p <==> p
Identidad.
1-3
Lgica Proposicional
3) (p p)
No contradiccin.
a) No se da p y no p simultneamente.
b) Una proposicin y su negacin no son
ciertas simultneamente.
4) p p
Tercero excluido.
a) p o su negacin es cierta.
b) Una proposicin o su negacin es cierta.
5) p <===>p
Doble negacin.
7) [(p===>q) q]===>p
8) [(p q) p]===> q
9) p q ===> p
Simplificacin.
a) Dado p y q, entonces p.
b) Dado una conjuncin, entonces debe
cumplirse cada una de las proposiciones.
10) p ====> p q
Adicin.
a) Dado p, entonces p o q
b) Dada una proposicin, entonces se
cumple la disyuncin de esta proposicin
con cualquiera otra.
A fortiori.
1-4
Lgica Proposicional
Ley de Frege.
14) [p ===> (q ===> r)] <===> Importacin-exportacin a) Que p implique que q implica r es equi[p q ===> r]
de la implicacin.
valente a que p y q implique r.
b) Que una proposicin implique una implicacin es equivalente a que la
proposicin y el antecedente de la
implicacin impli-que al consecuente de
la implicacin.
15) [(p ===> q) (q ===> r)] Silogismo hipottico
===> [p ===> r]
Contraposicin
[q ===> p)
1-5
Lgica Proposicional
Ley de Peirce
(p r)] ===> [q s]
1-6
Lgica Proposicional
Ejercicio
1.1.-
1-7
Lgica Proposicional
APLICACIONES
A.- Anlisis de Enunciados.
EJEMPLO 1.1
Sea por ejemplo el siguiente enunciado:
"S los mtodos de trabajo son antieconmicos, entonces no son
socialmente deseables. Si los mtodos de trabajo son aburridos,
entonces son nocivos para la iniciativa. Si los mtodos de trabajo son
nocivos para la iniciativa, entonces son antieconmicos. Meramente el
trabajo mecnico es aburrido. Por lo tanto, meramente el trabajo
mecnico no es socialmente deseable". 2
Asi tenemos las siguientes premisas:
(P1)
A ===> I
(P2) B ===> N
(P3)
N ===> A
(P4)
M ===> B
derivaciones
(D1)
M ===> N
SH,P4,P2
(D2)
M ===> A
SH,D1,P3
(D3)
M ===> I
SH,D2,P1 (CONCLUSION)
1-8
B.-
Lgica Proposicional
Redes lgicas.
Cuando se tienen circuitos elctricos o hidrulicos se considera que
hay paso del fludo cuando se cumple alguna de las siguientes condiciones:
1.-
2.-
Dos interuptores que estn en paralelo al menos alguno los dos est abierto.
Figura 1.
a. Interruptores en serie.
pq
b. Interruptores en paralelo.
p
pq
q
1-9
Lgica Proposicional
Figura 2.
p
q
AND
pq
OR
pq
p
q
1-10
Lgica Proposicional
EJEMPLO 1.2
"Considrese un sistema formado por tres componentes mayores
A, B y C. A est compuesto por dos componentes, cualquiera de los
cuales debe ser bueno para que lo sea A. B tiene dos componentes, que
deben ser buenos para que lo sea B. C esta integrado por tres
componentes; si C1 es bueno, C ser bueno, aunque C2 y C3 sean
malos. Si C1 es malo, deberan ser buenos tanto C2 como C3. Si A es
malo, el sistema ser malo, cualesquiera que sean los estados de los
otros dos componentes mayores; no obstante, si A es bueno, el sistema
ser bueno si cualquiera B C es malo, pero no los dos." 3
La representacin grfica del sistema descrito anteriormente est en
las figuras 3 y 4.
Figura 3.
B1
B2
A1
A2
C1
C3
C2
C
1-11
Lgica Proposicional
Figura 4.
A1
A2
B1
B2
+
C1
C2
C3
A partir de las figuras es fcil observar que para que el Sistema no
funcione es suficiente que estn malos los componentes A1 y A2
simultneamente (Ver figura 5) alguno de los componentes B1 B2 y el
componente C1, simultneamente con alguno de los dos componentes C2
C3 (Ver figura 6).
1-12
Lgica Proposicional
Figura 5.
B1
B2
A1
A2
C1
C3
C2
1-13
Lgica Proposicional
Figura 6.
B1
B2
A1
A2
C1
C3
C2
C1 y (C2 o
1-14
Lgica Proposicional
Ecuacin
X1 X2
X1 + X2 1
X1 X2
X1 + X2 = 1
X1 ===> X2
X1 - X2 0
X1 <==> X2
X1 - X2 = 0
1-15
Lgica Proposicional
EJERCICIOS:
1.1- Se tienen cinco (5) fbricas que producen productos de consumo similares.
Los publicistas de las fbricas son mentirosos o no * ; se desea saber cul de
las cinco fbricas produce el mejor producto. Estas son las declaraciones de
los publicistas:
(1)
(2)
(3)
(4)
(5)
1-16
Lgica Proposicional
NOTAS Y REFERENCIAS:
1
Bishir, John W. & Drewes, Donald W.: Mathematics in the Behavorial and Social
Sciences. Harcourt, Brace & world. 1970.
1-17
II-.
Se lee
(1)
(x)Px
(2)
(x)Px
(3)
(x)Px
(4)
(x)Px
contrarios
2-1
(1)
(x)Px
s
u
b
a
l
t
e
r
n
o
s
(2)
o
n
t
n
o
c
r
r o
a t
dc
i
d c
a
t
r
o
i
o
(x)Px
(x)Px
(3)
s
u
b
a
l
t
e
r
n
o
s
(x)Px (4)
subcontrarios
(1) y (3) son contrarios, esto es, no pueden ser ambos verdaderos a la vez.
(2) y (4) son subcontrarios, esto es, no pueden ser ambos falsos a la vez.
(1) y (4) son contradictorios, esto es, si el uno es verdadero el otro es falso.
(2)
(3)
(4)
F
F
V
F
2-2
2-3
EJERCICIOS:
1.-
2.-
2-4
RELACIONES
Cuando un predicado abarca ms de un sujeto, se suele hablar de relaciones y
se representa como Rxy xRy. As, por ejemplo, si tenemos: Juan es ms eficiente
que Pedro, tendramos que x = Juan, y = Pedro y R = es ms eficiente que.
Tipos de relaciones:
Reflexividad:
1)
2)
Simetra:
3)
4)
5)
Transitividad:
6)
Circularidad:
2-5
7)
Relacin de equivalencia
Una relacin se dice que es de equivalencia, si es:
1.- Reflexiva.
2.- Simtrica.
3.- Transitiva.
b.-
Relacin de semejanza:
Una relacin se dice que es de semejanza, si es:
1.- Reflexiva.
2.- Simtrica.
c.-
d.-
2-6
APLICACIONES
A.-
Anlisis de enunciados
Sea el siguiente enunciado:
"Si algo es costoso, es valioso y raro. Todo lo que es valioso es
deseable y costoso. Por lo tanto, si algo es valioso o costoso, entonces
debe ser valioso y costoso" 1
Se tienen las siguientes premisas:
(P1) (x)[Cx ===> Vx Rx]
(P2) (x)[Vx ===> Dx Cx]
Aplicando las leyes de deduccin se tiene:
(D1) Cx ===> Vx Rx
De P1 eliminando el cuantificador
(D2) Vx ===> Dx Cx
De P2 eliminando el cuantificador
(D3) Cx ===> Vx
D1, Simplificacin, SH
(D4) Vx ===> Cx
D2, Simplificacin, SH
(D5) Cx ===> Vx Cx
(D6) Vx ===> Cx Vx
(D7) Vx Cx ===> Vx Cx
Reingresando el cuantificador.
2-7
2-8
2-9
a.-
Igualdad de conjuntos:
Dos conjuntos A y B se dice que son iguales si tienen los mismos elementos,
2-10
b.-
Subconjuntos.
b'.-
Subconjuntos estrictos.
Un conjunto B es subconjunto estricto de un conjunto A, si todos los
c.-
Interseccin de conjuntos:
La interseccin de dos conjuntos A y B, es el conjunto de los elementos que
d.-
Unin de conjuntos:
La unin de dos conjuntos A y B, es el conjunto de los elementos que estn
e.-
Resta de conjuntos:
2-11
f.-
g.-
Conjunto vaco:
El conjunto vaco es el conjunto que no tiene elementos y se representa como
como {}:
(x) x .
h.-
Conjunto universal:
El conjunto universal es el conjunto que contiene todos los elementos:
(x) x E.
i.-
Complemento de un conjunto:
El complemento de un conjunto A, el conjunto de los elementos que no
pertenece a A:
Ac = { x | x A }.
2-12
j.-
k.-
Tautologas:
1.-
(A) A
2.-
3.-
A B ====> A B = A
4.-
A B ====> A B = B
5.-
A Ac =
6.-
A Ac = E
7.-
(Ac)c = A
Conjuntos disjuntos:
Dos conjuntos A y B son disjuntos, si la interseccin de ambos es vaca:
A y B disjuntos <====> A B =
AB
A=B
(x) Px Qx
AB
(x) Px Qx
AB=
2-13
(x) Px
A=E
(x) Px
A=
(x) Px Qx
AB=E
ABC
ABC
C = Ac
2-14
Conclusiones:
NOTAS Y REFERENCIAS:
1
2-15
2-16
III.- LOGICAS
NORMATIVA
TEMPORALES
MODAL,
OPERADORES
(2)
3-1
(Una accin es P)
(Ninguna accin es P)
3-2
(2'")
(Un resultado es R)
(3'")
(Ningn resultado es R)
(4'")
3-3
(2)
complejos:
Dada la situacin S, se debe hacer P para obtener como
resultados R.
Lo cual se representa por:
(3)
(4)
3-4
EL FACTOR TIEMPO.
Todo programa de accin transcurre en un lapso de tiempo, esto es, si se est
en el momento t0 0, el resultado del programa ser en un momento tr >= tp + t0, en
donde tp es el tiempo de realizacin del programa de accin. De hecho, s tr=tp+t0 se
puede decir que el resultado es inmediato a la finalizacin del programa.
As (3) y (4) quedaran de la siguiente manera:
(5)
(6)
2.-
Anlisis de enunciados.
3-5
N(P x P*x,
3-6
NPtx ===> Sx Lx
pero como:
Sx Lx ===> Ix
NOTAS Y REFERENCIAS
1
EJEMPLO:
-
Los estados se pueden definir como los valores de las propiedades de un sistema
en un determinado momento, y se pueden representar mediante un funcional F ndimensional:
F = (F1, F2,....,Fn)
A la lista de estados sucesivos en un periodo de tiempo
por proceso durante el periodo :
es lo que se denomina
P ( ) = (F (t) | t )
Mientras al conjunto de los estados en el mismo periodo
trayectoria del sistema en el periodo :
T ( ) = { F (t) | t }
3-7
se le denomina
Se dice que un sistema esta en equilibrio si sigue una trayectoria cuyos estados
cumplen ciertas relaciones deseadas entre los valores de sus propiedades. As se tiene que
la trayectoria T ( ) del sistema
esta en equilibrio si T ( ) ER , en donde ER =
{(Y1,...,Yn)|RY1....Yn} siendo R una relacin respecto a la cual el sistema esta en
equilibrio).
Mientras que un sistema sigue una trayectoria estable si para desviaciones pequea
de ella el sistema vuelve a acercarse a ella, o sea si el sistema ha sido perturbado de su
trayectoria tiende a regresar a ella.
Definamos primero T[yo] como la trayectoria que tiene el estado yo para el
momento to , y P[yo] el proceso que empieza en el estado yo en el momento to :
T[yo] = {F(to)|F(to) = yo & t > to}
P[yo] = (F(t)|t > to) con F(to) = yo
Entonces T[yo] es estable si > 0, | < se cumple que si d(T[yo], y') < ,
entonces d(T[yo], y) < , y T[y'], &
lim t->d(T[yo] , P[y']) = 0
Y se dice que hay una catstrofe cuando el sistema pasa abruscamente de una
trayectoria estable a otra trayectoria estable, esto es:
El punto yc es un punto de catstrofe si >0, d1 & d2 < , P[yc + d1]t->---> T1
& P[yc + d2] t->--->T2 siendo T1 & T2 dos trayectorias estables T1 T2
Casos especiales de estas definiciones es cuando las trayectorias son puntuales, y
en este caso se puede hablar de estado estacionario (F(t)= constante) y estado estable.
3-8
Lgica Probable
0 P(A) 1
2.
si A B = , P(A B) = P(A)+P(B)
3.
P(U) = 1
0 P(p) 1
2.
3.
P(T) = 1.
P(p) = 1 - P(p)
2.
4-1
Lgica Probable
p es verdadero y q falso, mientras q|p indica: que dado el caso de que p sea
verdadero, q tambin lo sea.
La lgica probable como un refinamiento de la lgica modal.
Anteriormente se vio que la lgica modal usa como operadores "necesario",
"posible", "imposible", "contingente" y "eventual".
Es claro que la probabilidad evala el grado de posibilidad de un resultado,
de hecho:
(1)
(2)
(3)
(4)
(5)
PRx,
(6)
(7)
(8)
4-2
ERx
Lgica Probable
APLICACIONES
1.-
Confiabilidad de un sistema:
La confiabilidad de un sistema o de un componente del mismo viene dada
4-3
Lgica Probable
Figura 7
Confiabilidad del sistema
a1
a1+a2-a1a2
A
A11
a2
A
a(b+c-bc)
A
A22
b1
b1b2
BB11
b2
BB22
c1
CC11
c1+c2c3-c1c2c3
c2
CC22
c3
C3
c2c3
4-4
b+c-bc
2.-
Lgica Probable
Anlisis de Decisiones.
Ejemplo 4.2
Un fabricante de partes recibe el pedido de una cotizacin para
10000 partes de un ensamblador de productos terminados.
El gerente de proyectos determina que el prototipo de la parte
puede costar $1000, $1500 $2000, con probabilidades 0.2, 0.5 y 0.3
respectivamente, y asi mismo los costos de produccin de las 10000
partes segn el costo del prototipo seran de $ 12000, 18000 y 35000
respectivamente. El gerente de mercadeo determina que en estos casos
se pueden realizar dos tipos de cotizaciones, una alta y otra baja. Las
cotizaciones bajas seran de $ 39000, $44000 y $ 48000; y las altas de
$45000, $50000 y $60000; dependiendo del costo de los prototipos.
Siendo la probabilidad de ganar la licitacin de 0.3 si la cotizacin es
alta y de 0.7 si la cotizacin es baja. Adems el costo de cotizar es de
$300.
Adems el gerente de mercadeo, piensa que se puede presentar
la cotizacin sin hacer los prototipos con una cotizacin baja de
$48000 y con una probabilidad 0.3 de ganar la licitacin y una
cotizacin alta de $60000 con una probabilidad de 0.1 de ganar la
licitacin, siendo los costos de produccin si se gana la licitacin de
$12000, $18000 $35000 con probabilidades 0.2, 0.5 y 0.3
respectivamente. Siendo el costo de cotizar siempre los mismos $300. 1
En la grfica siguiente se presenta el rbol de decisiones del ejemplo,
representando los cuadrados los nodos de decisin, los crculos los nodos de accin
del azar y los ovalados los nodos terminales. A continuacin de representan las
reducciones al rbol sustituyendo las diferentes ramas de los nodos de accin del
azar por un nodo cuyo valor es el valor esperado del nodo, y las diferentes ramas de
un nodo de decisiones por el un nodo cuyo valor es la mejor opcin de para este
nodo. As se llega despus de tres reducciones a que la mejor alternativa es hacer
4-5
Lgica Probable
4-6
Lgica Probable
Cotiz. Alta
($45.000)
4
Cotiz. Baja
($39.000)
0.2
$31.700
10
$-1.300
11
$25.700
12
$-1.300
15
$30.200
16
$-1.800
17
$24.700
18
$-1.800
21
$22.700
22
$-2.300
23
$10.700
24
$-2.300
0.2 cp:$12.000
29
$47.700
30
$41.700
31
$24.700
$ -300
34
$35.700
35
$29.700
36
$12.700
$ -300
$1000
0.5
Cotiz. Alta
($50.000)
13
$1500
Cotiz. Baja
($44.000)
14
0.3
$2000
Hacer Prototipo
Cotiz. Alta
($60.000)
19
6
Cotiz. Baja
($48.000)
No Hacer Prototipo
27
28
0.2 cp:$12.000
0.5 cp:$18.000
32
0.3 cp:$35.000.
26
33
4-7
0.5 cp:$18.000
0.3 cp:$35.000.
25
3
Cotiz.Baja
($48000)
20
Lgica Probable
Cotiz. Alta
($45.000)
$ 8.600
$17.600
13
$ 7.800
14
$16.400
4
Cotiz. Baja
($39.000)
0.2
$1000
0.5
Cotiz. Alta
($50.000)
5
$1500
Cotiz. Baja
($44.000)
0.3
$2000
Hacer Prototipo
Cotiz. Alta
($60.000)
19
$ 5.200
No Hacer Prototipo
Cotiz.Alta
($60000)
Cotiz. Baja
($48.000)
20
$ 6.800
27
$37.800
28
32
$25.800
33
25
-300
3
Cotiz.Baja
($48000)
26
4-8
-300
Lgica Probable
$17.600
$16.400
$ 6.800
25
$ 3.510
26
$ 7.530
0.2
$1000
0.5
$1500
0.3
$2000
Hacer Prototipo
No Hacer Prototipo
Cotiz.Alta
($60000)
3
Cotiz.Baja
($48000)
4-9
Lgica Probable
$13.700
$ 7.530
Hacer Prototipo
No Hacer Prototipo
4-10
Lgica Probable
Ganancia
Probabilidad
25700
0.14
-1300
0.06
24200
0.35
-1800
0.15
10700
0.21
-2300
0.09
NOTAS Y REFERENCIAS:
1
Problema adaptado de Shore Barry, Quantitative Methods for Business Decisions. Text and Cases. McGraw-Hill. 1978.
4-11
V.-
0 GA(x) 1
2.
3.
4.
GA B(x) = min{GA(x),GB(x)}
5.
GA B(x) = max{GA(x),GB(x)}
6.
GA'(x) = 1 - GA(x)
0 G[p] 1
2.
3.
4.
G[p] = 1 - G[p],
G[p ===>s q] =
0, si G[p] > G[q]
5-1
1, si G[p] G[q]
2.-
G[p ===>g q] =
G[q], si G[p] > G[q]
1, si G[p] G[q]
3.-
G[p ===> q] =
G[q]/G[p], si G[p] > G[q]
1, s G[p] = 0 1 - G[q] = 0
4.-
G[p ===> q] =
min {1, G[q]/G[p], (1-G[p])/(1-G[q]},
s G[p] > 0, 1 - G[q] > 0.
1, s G[p] < 1 G[q] = 1
5.-
G[p ===> q] =
0, s G[p] = 1, G[q] < 1
6.-
7.-
8.-
9.-
G[(x)Px]= maxx{G[Px]}
5-2
APLICACIONES
1.-
Calidad de un sistema:
La calidad ("performance)" de un sistema o de un componente es viene dada
Ver figura 8.
5-3
Figura 8.
Calidad del sistema
a1
max{a1, a2}
A1
a2
A2
b1
B1
min{b1, b2}
b2
B2
c1
C1
c2
C2
c3
min{c1, c2}
C3
5-4
max{b, c}
1.-
INTRODUCCION
en su forma ms general:
Esto no quiere decir que los problemas de I.O. se resuelven siempre tomando
en cuenta estas vaguedades y/o borrosidades, ya que en la mayora de los casos
estas borrosidades se eliminan afinando las definiciones o conceptos y los
conocimientos sobre la problemtica aunque esto no siempre es posible o
conveniente.
Para empezar se van a definir los conceptos que en la I.O. puedan tener una
connotacin borrosa..
5-5
2.-
DEFINICIONES BORROSAS:
OPTIMIZAR:
OBJETIVOS:
RESTRICCIONES DE RECURSOS:
CONDICIONES TECNICAS:
5-6
3.-
CONCEPTOS FUNDAMENTALES
Optimo Pareto
a)
b)
1)
R es reflexiva.
2)
R es transitiva.
5-7
Ejemplo:
x2
1
x1
X
GRAFICA A-1
5-8
Subconjuntos Borrosos
a)
b)
Unin (~)
R~1 ~ R~2 = { (x | max(1 (x), 2(x))}, (x) x X.
2)
Interseccin (~)
R~1 ~ R~2 = { (x | min(1 (x), 2(x))}, (x) x X.
3)
4)
Complemento respecto a X
R~1 R~2 son complementarios (R~1 = R~2c) respecto a X si:
(x) x X, 2(x) = 1 - 1(x).
5)
Inclusin
R~1 esta incluido en R~2 (R~1 ~ R~2) si:
(x) x X, 1(x) _ 2(x).
6)
Pertenencia Borrosa
5-9
Ejemplo:
Sean:
X = { 1, 2, 3, 4, 5, 6 },
R~1 = {(1|0), (2|0,1), (3|0,2), (4|0,5), (5|0,8), (6|1)}
R~2 = { (1|0), (2|0,4), (3|0,8), (4|1), (5|0,5), (6|0) }
Entonces:
R~1 ~ R~2 = {(1|0), (2|0,4), (3|0,8), (4|1), (5|0,8), (6|1)}
R~1 ~ R~2 = {(1|0), (2|0,1), (3|0,2), (4|0,5), (5|0,5), (6|0)}
R~1c = {(1|1), (2|0,9), (3|0,8), (4|0,5), (5|0,2), (6|0)}
Mientras que
R~3 = {(1|0), (2|0,3), (3|0,7), (4|1), (5|0,5), (6|0) }
est incluido en R~2 (Igualmente R~1 ~ R~2 est incluido tanto en
R~2 como en R~1).
5-10
Nmeros Borrosos
Un nmero borroso es un subconjunto borroso sobre la recta real, con una
funcin de pertenencia del siguiente tipo:
0, xa
Estrictamente creciente entre 0 y 1, x [a, b]
(x) =
1 , x [b, c]
Estrictamente decreciente entre 1 y 0, x [c, d]
0, xd
(Ver grfica A-2)
c
GRAFICA A-2
5-11
5-12
4.-
manera:
Planteamiento 1: Maximizar (o minimizar) f(x),
Sujeto a: x R
Planteamiento 2: Maximizar (o minimizar) f(x),
Sujeto a: g(x) = B.
En donde f es la funcin definida por los objetivos (funcin objetivo), y R
el conjunto formado por la interseccin de los recursos y por el cumplimiento de las
metas, esto en el primer planteamiento, mientras que en el segundo planteamiento ,
se tiene que g define las relaciones tcnicas y B los recursos disponibles y los
niveles de las metas - g, B y x son vectores y R un espacio vectorial - .
As, se analizarn los casos en los cuales f y/o g tienen elementos
(nmeros) borrosos y los casos en los cuales R sea un subconjunto borroso o B
sea un vector formado por nmeros borrosos.
NOTAS:
1.-
2.-
5-13
5.-
Sea el problema:
Maximizar f(x,y) = x + y
Sujeto a: (x, y) R~ = { ( (x, y) | R~(x,y) ) }
1,
con R~(x,y) =
x + y 1
(4 - (x + y))/3,
0,
1 x + y 4
x + y 4
5-14
5-15
GRAFICA A-3
5-16
Caso 2:
nmeros borrosos.
As se tiene, evaluando cada ecuacin i en el punto x, el resultado de esta
evaluacin gi(x), tiene un grado de pertenencia bi(gi(x)) a bi , por lo cual se puede
para cada ecuacin i, generar un subconjunto borroso R~i = { (x|bi(gi(x))) }, o sea:
R~i((x)) = bi(gi(x)).
Aqu se puede proceder de alguna de las dos(2) siguientes maneras:
1.-
2.-
Ejemplo:
Sea el problema:
maximizar f(x, y) = x + y
Sujeto a:
b1
2x + y + s1
x + 2y
+ s2 b2
x, y, s1, s2 0
en donde:
b1(z) =
0,
z<1
z - 1,
z [1, 2)
1,
z=2
3 - z,
z (2, 3]
0,
z>3
5-17
b2(z) =
0,
z<2
z - 2,
z [2, 3)
1,
z=3
4 - z,
z (3, 4]
0,
z>4
x = (2 - 21 + 2)/3
x + 2y = 4 - 2
y = (5 + 1 - 22)/3.
Asi que:
P[X; f, b1, b2] = { ((2 - 21 + 2)/3,(5 + 1 - 22)/3) },
1 (0, 1], 2 (0, 1]
con:
f = (7 - 1 - 2)/3
b1 = 1
b2 = 2
f, b1, b2 calculados en los puntos del conjunto.
o tambin:
P[X; f, b1, b2] = { (x, y) | 2 2x + y 3, 3 x + 2y 4 },
con:
f(x, y) = x + y
b1(x, y) = 3 - 2x - y;
b2(x, y) = 4 - x - 2y
5-18
GRAFICA A-4
Mientras que resolviendo el problema de la segunda manera se forma el
conjunto borroso R~ con la siguiente funcin de pertenencia:
R~(x, y; s1, s2) = min(b1(2x + y + s1, b2(x + 2y + s2))
1,
2x + y 2 x + 2y 3
3 - (2x + y),
y - x 1,
2x + y 3 x + 2y 4
4 - (x + 2y),
y - x 1,
2x + y 3 x + 2y 4
0,
2x + y 3 x + 2y 4
==> R~(x, y) =
5-19
As que:
L(x, y,
1,
2)
=x+y-
1(3
- (2x + y)) -
2(4
- - (x+2y)).
=0
====>
+2
= -1/3
=0
= - 3 + + 2x + y = 0
x = (2 - )/3
====>
= - 4 + + x + 2y = 0
y = (5 - )/3
Asi que:
P[X; f, R~] = { ((2 - )/3,(5 - )/3) }, (0, 1]
con:
f(x, y) = (7 - 2)/3
R~(x, y) =
o tambin:
P[X; f, R~] = { (x,y) / y = 1 + x, 1/3 _ x < 2/3 },
con:
f(x, y) = x + y = 1 + 2x
R~(x, y) = 3 - (2x + y) = 4 - (x + 2y) = 2 - 3x
Caso 3: Las funciones f y/o g tienen coeficientes borrosos.
En es este caso, los coeficeintes borrosos son nmeros borrosos, y se puede
resolver el problema mediante el uso de las operaciones sobre nmeros borrosos:
*m (z) = maxz=x*y {min ((x), m(y))}
5-20
y con estas operaciones utilizar los algoritmos de solucin operando sobre los
nmeros borrosos.
Ejemplo:
Sea el siguiente caso de PERT (ver grfica A- 5):
GRAFICA A-5
Actividades
1-2
2-3
2-4
2-6
3-5
4-5
5-7
6-7
7-8
8-9
Tiempos
(3, 4, 5)
(1, 2, 9)
(1, 2, 3)
(3, 4, 8)
(4, 5, 12)
(5, 6, 7)
(4, 4, 4)
(5, 6, 13)
(4, 4, 10)
(1, 1, 1)
5-21
x < x1
1,
x = x2
x > x3
O sea, los tiempos (x1, x2, x3) son conjuntos borrosos definidos a partir de
los tiempos pesimista x3, optimista x1 y el tiempo ms verosmil x2.
Para calcular los tiempos tempranos de inicio y finalizacin de las
actividades se usa el algoritmo tradicional:
T.Temp.Fi-j = T.Temp.Ii-j Ti-j
T.Temp.Ii-j = Maxk {T.Temp.Tk-i}
As queda el siguiente cuadro:
Actividades
1-2
2-3
2-4
2-6
3-5
4-5
5-7
6-7
7-8
8-9
T.Temp.I
( 0, 0, 0)
( 3, 4, 5)
( 3, 4, 5)
( 3, 4, 5)
( 4, 6, 14)
( 4, 6, 8)
( 9, 12, 26)
( 6, 8, 13)
(13, 16, 30)
(17, 20, 40)
5-22
T.Temp.F
( 3, 4, 5)
( 4, 6, 14)
( 4, 6, 8)
( 6, 8, 13)
( 8, 11, 26)
( 9, 12, 15)
(13, 16, 30)
(11, 14, 26)
(17, 20, 40)
(18, 21, 41)
Para hallar los tiempos tardos de inicio y finalizacin de las etapas se usar
el siguiente algoritmo:
T.Tard.Fi-j = Mink{T.Tard.Ij-k}
T.Tard.Ii-j = Max T \ T.Tard.Ti-j T T.Tard.Fi-j
T Ti-j
As queda el siguiente cuadro:
Actividades
1-2
2-3
2-4
2-6
3-5
4-5
5-7
6-7
7-8
8-9
T.Tard.I
( 0, 0, 0)
( 4, 5, 5)
( 3, 4, 16)
( 5, 6, 9)
( 5, 7, 14)
( 4, 6, 19)
( 9, 12, 26)
( 8, 10, 17)
(13, 16, 30)
(17, 20, 40)
T.Tard.F
( 3, 4, 5)
( 5, 7, 14)
( 4, 6, 19)
( 8, 10, 17)
( 9, 12, 26)
( 9, 12, 26)
(13, 16, 30)
(13, 16, 30)
(17, 20, 40)
(18, 21, 41)
==========================================================
NOTA:
Tambin se podra plantear los tiempos tardos iniciales y finales mediante el
algoritmo:
T.Tard.Fi-j = Mink {T.Tard.Ij-k}
T.Tard.Ii-j = T.Tard.Fi-j Ti-j
Pero esto traera como incongruencia la posibilidad de tiempos tardos
menores que tiempos tempranos, por lo cual es deseable corregir el algoritmo de la
siguiente manera:
5-23
T.Tard.I
T.Tard.F T
T.Tard.F
1-2
( 0, 0, 23)
(-2, 0, 23)
( 3, 4, 26)
2-3
( 3, 5, 27)
(-5, 5, 27)
( 4, 7, 28)
2-4
( 3, 4, 26)
( 1, 4, 26)
( 4, 6, 27)
2-6
( 3, 6, 28)
(-2, 6, 28)
( 6, 10, 31)
3-5
( 4, 7, 28)
(-3, 7, 28)
( 9, 12, 32)
4-5
( 4, 6, 27)
( 2, 6, 27)
( 9, 12, 32)
5-7
( 9, 12, 32)
( 9, 12, 32)
6-7
( 6, 10, 31)
( 0, 10, 31)
7-8
( 7, 16, 36)
8-9
Bajo este algoritmo, los resultados difieren del utilizado en el desarrollo del
problema, y esto se debe a que la resta de nmeros borrosos no es la operacin
inversa de la suma de los mismos.
===========================================================
Para calcular la holgura para cada actividad se hace:
Hi-j = T.Tard.Ii-j T.Temp.Ii-j.
Y el grado de pertenencia de cero (0) al tiempo de holgura da el grado de
criticidad de la actividad.
5-24
Actividades
1-2
2-3
2-4
2-6
3-5
4-5
5-7
6-7
7-8
8-9
Holguras
( 0, 0, 0)
( -1, 1, 2)
( -2, 0, 13)
( 0, 2, 6)
( -9, 1, 10)
( -4, 0, 15)
(-17, 0, 17)
( -5, 2, 11)
(-17, 0, 17)
(-23, 0, 23)
5-25
Grados de Criticidad
1
1/2
1
0
9/10
1
1
5/7
1
1
Bibliografa
BIBLIOGRAFIA
Bishir, John W. & Drewes, Donald W.: Mathematics in the Behavorial and Social Sciences.
Harcourt, Brace & World. 1970.
Black, Max:
Dubois, Didier & Prade, Henri: Operations on Fuzzy Numbers. En Int. J. Systems Sci., 1978.
Vol 9, N 6, pags. 613-626.
Dubois, Didier & Prade, Henri: Fuzzy Sets and System. Theory and Applications. Academis
Press. 1980
Esparza, Jesus B.: La Lgica de la Obligatoriedad Jurdica. Universidad del Zulia. 1979.
Gardies, Jean Louis: Lgica de Tiempo. Paraninfo. Madrid. 1979
Gutmanova, Alexandra: Lgica. Editorial Progreso. Mosc. 1989.
Haack, Susan: Lgica Divergente. Paraninfo. Madrid. 1980.
Haack, Susan: Filosofa de las Lgicas. Ediciones Ctedra. Madrid. 1982
Hasenjaeger, Gisbert: Conceptos y Problemas de la Lgica Moderna. Editorial Labor. 1968.
James, Mike: Inteligencia Artificial en BASIC. Librera "El Ateneo" Editorial. Buenos Aires.
1989.
Kalinowski, George: Lgica del Discurso Normativo. Tecnos. Madrid. 1975.
Kaufmann, A.: Introduccin la Thorie des Sous-ensembles Flous. Masson, 1977
B-1
Bibliografa
Ramis, Pompeyo: Lgica y Crtica del Discurso. Universidad de Los Andes. Mrida. 1989.
Rabuffetti, Hebe T.: Temas de Algebra: Lgica. Libreria "El Ateneo" Editorial. Buenos Aires.
1989.
Stefanic-Allmayer, Karl: Tcnicas de Decisin. Segunda Edicin. Editorial Hispano Europea.
Barcelona. 1980.
Suppes, Patrick: Introduccin a la Lgica Simbolica. CECSA. Mxico. 1975
Van Gigch,
John P.: Teora General de Sistemas. 2a. Edicin. Trillas. Mxico. 1987.
Von Wright, Henrik: Norma y Accin. Una investigacin lgica. Editorial Tecnos. Madrid. l979
B-2