You are on page 1of 7

PROGRAMACION DINAMICA

PROBABILISTICA

Ing. Manuel Snchez Tern

INVESTIGACION DE
OPERACIONES II

PROGRAMACION DINAMICA PROBABILISTICA (PDP)

INTRODUCCION
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 decisin de la etapa actual.
Hillier-Lieberman
La Programacin Dinmica Probabilstica difiere de la Determinstica en
que los estados y los retornos o retribuciones en cada etapa son
probabilsticos.
Hamdy Taha
Un proceso de decisin de N etapas es probabilstico, si el rendimiento
asociado con al menos una decisin del proceso es aleatorio. Esta aleatoriedad
generalmente se presenta en una de dos formas:

Los estados son determinados exclusivamente por las decisiones,


pero los rendimientos asociados con uno o ms de los estados son
inciertos.

Los rendimientos son determinados exclusivamente por los estados,


pero los estados que se presentan a partir de una o ms de las
decisiones son inciertos.
Richard Bronson

Debido a la estructura probabilstica, la relacin entre las funciones de costo


o contribucin entre las etapas necesariamente es ms complicada que en el
caso determinstico.
Tomando como referencia el modelo de inventario trabajado en programacin
dinmica determinstica, ste supone, al comienzo del problema, la demanda
de cada perodo como conocida. Sin embargo, en la realidad la demanda del
perodo n es una variable aleatoria cuyo valor no se conoce hasta despus de
tomar la decisin de produccin en el perodo n. An si se conoce el nivel de
inventario (estado actual) y la cantidad a producir en el presente perodo
(decisin), el estado del siguiente perodo y el costo del perodo actual sern
variables aleatorias cuyos valores no se conocen hasta que se conozca la
demandadel perodo actual.

c1
Decisin
Estado:

sn

xn

*
n+1

f (1)

p1
p2

c2

2
*

f n(sn,xn)
pm

Ing. Manuel
Snchez Tern

f n+1(2)

INVESTIGACION DE
OPERACIONES II

Sea m el nmero de estados


posibles en la etapa n+1. El
sistema cambia al estado i con
probabilidad pi ( i=1, 2, m)
dados el estado sn y la decisin
xn en la etapa n. Si el sistema
cambia al estado i, Ci es la
contribucin o costo de la etapa
n a la funcin objetivo.

cm
m
f (m
)
*
n+1

Ing. Manuel
Snchez Tern

PROBLEM
A1
Un proyecto de investigacin sobre cierto problema de ingeniera tiene 3
equipos de investigadores que buscan resolver el problema desde 3 puntos de
vista diferentes. Se estima que en las circunstancias actuales la probabilidad de
que los equipos A, B, C fracasen es de: 0.40, 0.60 y 0.80 respectivamente. As, la
probabilidad de que los 3 equipos fracasen es de: 0.40x0.6x0.8 = 0.192. (Un
19.2%). El objetivo es minimizar la probabilidad de fracaso de los 3 equipos y por
ello se asignaran al proyecto 2 nuevos cientficos de alto nivel.
Segn la asignacin a los equipos, la probabilidad de fracaso cambia segn lo
indicado en la tabla siguiente.
# de cientficos
adicionales asignados
0
1
2

Probabilidad de fracaso
de los equipos
B

0.40
0.20
0.15

0.60
0.40
0.20

0.80
0.50
0.30

Cmo deben asignarse los 2 nuevos cientficos para minimizar la probabilidad de


que los 3 equipos fracasen?
Solucin:
Etapas:

N = 3 (tres equipos A, B y C)

Funcin:

f = minimizar probabilidad de fracaso

Estado:

s = # de cientficos disponibles

Variable:

x = # de cientficos asignados

Etapa 3 (Equipo C)
s
0
1

x3
=0
0
-

f3(s3,x3)
= xp33
=1
0.
5
-

Solucin
f3*ptima
(s3
x
*
)
3
0
0
0
1
0.
2
.

x3
=2
0.
3

Etapa 2 (Equipo B)
s

x2 =0

0
1
2

f2(s2,x2) = p2 * f3(s2-x2)
x2 =1

(0.6)
(0.8)=0.48
(0.6)
(0.5)=0.30
(0.6)

(0.4)
(0.8)=0.32
(0.4)

(0.3)=0.18

(0.5)=0.20

x2 =2

(0.2)
(0.8)=0.16

Solucin
ptima
f2*(s2
)0.48
0.30
0.16

x
2

0
0
2

Etapa 1 (Equipo A)
s

x1 =0

(0.4)
(0.16)=0.064

Asignacin adicional:

f1(s1,x1) = p1 * f2(s1-x1)
x1 =1
(0.2)
(0.3)=0.06

x1 =2
(0.15)
(0.48)=0.072

Solucin
ptima
f1*(s1
)
0.06

Equipo A: 1; Equipo B: 0; Equipo C: 1

x
1

PROBLEMA 2
Un repartidor compra a una ganadera 6 galones de leche a $1 por
galn. Cada galn lo vende a $2 y solamente
comercia con 3 clientes. La ganadera est
dispuesta a comprar los galones de leche que el
repartidor no alcance a vender pero solamente
le pagar la mitad de lo que l pag al inicio.
Desafortunadamente para el repartidor la
demanda diaria de cada uno de sus clientes es
incierta, es por esto que llev el registro de sus
ventas del ao pasado y resumi la informacin
en probabilidades de la siguiente manera:

Client
e1
Client
e2
Client
e3

Demanda diaria
Probabilidad
(galones)

1
2
3
1
2
3
1
2
3

0.60
0.00
0.40
0.50
0.10
0.40
0.40
0.30
0.30

Si lo que quiere el repartidor es asignar los 6 galones de leche entre los tres
clientes para maximizar los ingresos esperados (ya que el costo siempre ser $6);
sabiendo adems que de los galones de leche enviados a un determinado cliente
no se pueden enviar los rechazados luego a otro cliente, utilice la programacin
dinmica para determinar cmo el repartidor debe asignar los 6 galones de leche
entre sus tres clientes.
Soluc
in:
La demanda de cualquier cliente nunca
es ms de tres galones. Etapas:
Clientes
Estados: Galones de
leche disponibles
Decisin: Cuntos galones
enviar a cada cliente?
Variables:
xn = Galones enviados al cliente n (no
necesariamente el cliente coger todos) dn =
Demanda del cliente n (galones comprados por
el cliente)
Funcin recursiva: Ingreso
esperado obtenido
in(xn)=2dn + 0.5(xn-dn)
3
fn(sn,xn) = max{2dn + 0.5(xn-dn) + fn+1(sEtapa
n+1)}
+ 0.5(xn-dn) + fn+1(sn-xn)}
s

x
0
1
2
3

x3
=0

x3
=3

Solucin
ptima
f3
x3
(s3)

0
Tabla de ingresos esperados in(x)
2
2
Cliente1
Cliente2
- i2(0)=0
2
3.
3
i1(0)=0
4
.
i1(1)=(0.6)2.0+(0.0)2.0+(0.4)2.0=2.
- i2(1)=(0.5)2.0+(0.1)2.0+(0.4)2.0=2.
3
4.
4.35
00
00
35
i1(2)=(0.6)2.5+(0.0)4.0+(0.4)4.0=3.
i2(2)=(0.5)2.5+(0.1)4.0+(0.4)4.0=3.
10
25
i1(3)=(0.6)3.0+(0.0)4.5+(0.4)6.0=4.
i2(3)=(0.5)3.0+(0.1)4.5+(0.4)6.0=4.
20
35
0
1

f3(s3,x3)=
xi33(x3) x3
=1
=2

fn(sn,xn) = max{2dn

0
1

Cliente3

i32(0)=0
i33(1)=(0.4)2.0+(0.3)2.0+(0.3)2.0=2.
00
i3(2)=(0.4)2.5+(0.3)4.0+(0.3)4.0=3.
40
i3(3)=(0.4)3.0+(0.3)4.5+(0.3)6.0=4.
35

s
3
4

x2
=
0+4.35=4.
-

Etap
a2
f2(s2,x2)= i2(x2)+f3(s2-x2)
x2
x2
=
=
2+3.4=5.4
3.25+2-=5.25
2+4.35=6.
3.25+3.4=6.6
35
5
3.25+4.35=7.
60
-

x2 =3
4
4.35+2=6.35
4.35+3.4=7.7
5
4.35+4.35=8.
70

Solucin
ptima
f2 *
x2 *
(s2)
5.40
1
6.65
2
7.75

8.70

Etapa 1
s
1

Solucin ptima

f1(s1,x1)= i1(x1)+f2(s1-x1)
x1
=
0+8.70=8.
70

x1
=
2+7.75=9.
75

x1
=
3.10+6.65=9.
75

x1 =3
4.20+5.40=9.
60

f1 *
(s1)
9.7
5

x1 *
1 (no
2)

$9.75 es el ingreso esperado (en el cual se consideraron las probabilidades), para


determinar la utilidad recuerde que la cantidad de inversin es siempre $6.
Asignar:

Cliente1: 1 Cliente 2:3 Cliente3:2

No se incluye 2 en la primera etapa por tener


probabilidad = 0