Professional Documents
Culture Documents
Temas: Inventarios, Lneas De Espera, Simulacin, Teora De Juegos, Cadenas De Markov Y Programacin Dinmica. Carrera: Informtica Materia: Investigacin de operaciones II Catedrtico: 4F4B I.S.C. E.D. M.E. Ricardo de Jess Bustamante Gonzlez
Alumnos del equipo: Andrea Alejandra De La Cruz Ortiz (09231073) Yulma Carolina Camacho Medrano (09231132) Sheila Lizeth Contreras Torres (09231285) Manuel de Jess Campos Snchez (09231148) Jafet Rubn Carrillo Bustamante (09231286) Juan David Alvarado Balderas (09231214)
Pgina
ndice
Contenido
1. INVENTARIOS .......................................................................................................................... 3 1.1. 1.2. 2. El costo total ...................................................................................................................... 3 FORMULARIO .................................................................................................................. 4
Nomenclatura de las frmulas: .......................................................................................................... 9 3. 4. SIMULACIN ......................................................................................................................... 17 TEORA DE JUEGOS ............................................................................................................ 18 4.1. 4.1.1. 4.1.2. 4.1.3. 4.1.4. 5. Qu es un juego? ......................................................................................................... 18 Estrategias ....................................................................................................................... 18 Juegos de suma cero para dos personas: estrategias aleatorias, dominacin y solucin grfica. ..... 18 Estrategias aleatorias o combinados ..................................................................................... 20 Solucin grafica de pares y nones ......................................................................................... 20
6.
7.
Pgina
1. INVENTARIOS
En este modelo se representan iguales el inventario mximo y la cantidad pedido. Cabe mencionar que este no siempre es verdadero.
1.1.
El costo total
Para un periodo en este modelo est conformado por tres componentes de costo: Costo unitario del producto (C1) Costo de ordenar una compra (C2) Costo de mantener un producto en almacn (C3)
Pgina
1.2.
FORMULARIO
Este formulario es de gran utilidad a la hora de tratar con problemas empleados en la teora de inventarios. EOQ = Cantidad optima de periodo:
Inventario promedio:
Punto de reposicin =
inventario en dlares:
Ejemplo 1: Inventario
La empresa servimedica vende agujas hipodrmicas a hospitales y desea reunir el costo de su inventario determinado el costo ptimo de agujas hipodrmicas de cada pedido. La demanda anual es de 1000 unidades, el costo de preparacin por pedido es de $10 .00 y el costo de almacenamiento por unidad por ao es de $0.50 cada aguja tiene un precio de $3.00. Cantidad ptima: Primero se reemplazan los datos en la primera frmula, sta es utilizada para calcular la cantidad ptima de pedido:
1000 10 . 50
Despus se efectan cada una de las operaciones indicadas iniciando por las operaciones dentro del parntesis, despus la divisin y por ltimo la raz cuadrada:
Costo total por ao: Ahora se reemplazaran los datos para calcular el costo total por ao:
10
1000 200
.50 200 2
50
3100
Pgina
10 5
.50 100
Nmero de pedidos por ao: A continuacin calcularemos el nmero de pedidos por ao, de igual modo remplazamos los datos en la frmula, y se efecta la operacin.
1000 200
Tiempo entre pedidos: Por ltimo reemplazamos los valores en la siguiente frmula, y se realiza la operacin. 200 1000 0.2
Ejemplo 2: Inventario
Una empresa vende un artculo que tiene una demanda de 18,000 unidades por ao, su costo de almacenamiento por unidad es de $1.20 y el costo de ordenar una compra es de $400.00. El costo total unitario del artculo es de $1.00 no se permite faltante de unidades y su tasa de reemplazo es instantneo. Cantidad ptima: Al igual que el problema anterior se reemplazan los datos en la primera frmula y calcularemos la cantidad ptima de pedido:
3,465
Pgina
Ahora se reemplazaran los datos para calcular el costo total por ao: 18,000 3,465 3,465 2
1.00 18,000
400
1.20
Y se efectan cada una de las operaciones indicadas, en orden jerrquico. 18,000 2077.92 2079
22,156.92
Nmero de pedidos por ao: A continuacin calcularemos el nmero de pedidos por ao, se sustituyen los valores en la frmula, y se realiza la operacin. 18,000 3,465
5.19
Tiempo entre pedidos: Para concluir; se calcula el tiempo entre pedidos, de igual modo se sustituyen los vales en la frmula, y se realiza la operacin correspondiente. 3,465 18,000 0.1925
Pgina
2. LNEAS DE ESPERA
Una cola es una lnea de espera. La teora de colas es un conjunto de modelos matemticos que describen sistemas de lneas de espera particulares. El objetivo es encontrar el estado estable del sistema y determinar una capacidad de servicio apropiada.
2.1.
Pgina
M/M/1:
Frmula M/M/1
> +
>
>
, < 1
Pgina
Ejemplo1. M/M/1
Un lavacar puede atender un auto cada 5 minutos y la tasa media de llegadas es de 9 autos por hora. Obtenga las medidas de desempeo de acuerdo con el modelo M/M/1. Adems la probabilidad de tener 0 clientes en el sistema, la probabilidad de tener una cola de ms de 3 clientes y la probabilidad de esperar ms de 30min. En la cola y en el sistema.
Solucin:
3 0.33. 0.25
9,
12,
9 12
20.
0.25. 0.32
15.
> 30 60
0.22
> 30 60
0.17
Ejemplo 2. M/M/1
A un supermercado llegan en promedio 80 clientes por hora que son atendidos entre sus 5 cajas. Cada caja puede atender en promedio a un cliente cada 3 minutos. Obtenga las medidas de desempeo de acuerdo con el modelo M/M/1. Adems la probabilidad de tener 2 clientes en el sistema, la probabilidad de tener una cola de ms de 4 clientes y la probabilidad de esperar ms de 10 min. En la cola.
80 60 1.33 1 3 1.66 1.33 1.66 0.801
1
0.72
1 1.33 1.66
0.665
Pgina
10
M/G/1:
Un servidor con tiempos entre llegadas exponenciales y una distribucin general de tiempos de servicio.
Frmula M/G/1
< 1
Pgina
11
Ejemplo1. M/G/1
Un lavacar puede atender un auto cada 5 min. y la tasa media de llegadas es de 9 autos/hora, = 2 min. Obtenga las medidas de desempeo de acuerdo con el modelo M/G/1. Adems la probabilidad de tener 0 clientes en el sistema y la probabilidad de que un cliente tenga que esperar por el servicio. Solucin: 1.31 .75 2.06 + 1.31
0.228.
13.7.
0.145. 8.7.
0.25
< 1
Ejemplo1. M/G/1
A un supermercado llegan en promedio 80 clientes por hora que son atendidos entre sus 5 cajas. Cada caja puede atender en promedio a un cliente cada 3 minutos. Suponga = 5 min. Obtenga las medidas de desempeo de acuerdo con el modelo M/G/1. Adems la probabilidad de tener 0 clientes en el sistema y la probabilidad de que un cliente tenga que esperar por el servicio.
9.94 22 4.03 13.97 1.33 .05 26.6 5
2 2 1 16.24 6.06
1.76 25 9.94 1 . 33
7.47
10.50
Pgina
12
M/D/1:
Un servidor con tiempos entre llegadas exponenciales y una distribucin degenerada de tiempos de servicio.
Frmula M/D/1
< 1
Pgina
13
Ejemplo1. M/D/1
Un lavacar puede atender un auto cada 5 min. La tasa media de llegadas es de 9 autos/hora. Obtenga las medidas de desempeo de acuerdo con el modelo M/D/1.
1.125
0.125.
7.5.
Ejemplo1. M/D/1
A un supermercado llegan en promedio 80 clientes por hora que son atendidos entre sus 5 cajas. Cada caja puede atender en promedio a un cliente cada 3 minutos. Obtenga las medidas de desempeo de acuerdo con el modelo M/D/1. 6.70 1.33 0.33 4.03
4.03 2
8.06
2 1 4.03
16.2409
6.06 2.688 1 2.68 1.33 2.68
2.01
Pgina
14
2.01
.33
5.04
M/Ek/1:
Un servidor con tiempos entre llegadas exponenciales y una distribucin Erlang de tiempos de servicio.
Frmula M/Ek/1
< 1
Pgina
15
Ejemplo1. M/Ek/1
Un lavacar puede atender un auto cada 5 min. La tasa media de llegadas es de 9 autos/hora. Suponga = 3.5 min (aprox.) Obtenga las medidas de desempeo de acuerdo con el modelo M/Ek/1
2.437
1.6875
0.2708.
16.25.
0.1875.
11.25
Ejemplo1. M/Ek/1
A un supermercado llegan en promedio 80 clientes por hora que son atendidos entre sus 5 cajas. Cada caja puede atender en promedio a un cliente cada 3 minutos. Suponga que k= 4. Obtenga las medidas de desempeo de acuerdo con el modelo M/Ek/1 0.33 1.33
Lq= 4.03 (4+1) = 16.24 (5) = 81.2 = -3.34 (-1) = 3.34 2(4) (1-4.03) 8(-3.03) -24.24
Pgina
3.34 1.33
2.51
16
3. SIMULACIN
La simulacin es indispensable para la descripcin y anlisis de una amplia variedad de problemas reales. Proporciona considerables beneficios segn el contexto en los que se use: Ahorro de tiempo. Ahorro de recursos econmicos. Permite analizar la ocurrencia de ciertos fenmenos a travs de la reconstruccin de escenas y un minsculo anlisis, que no podra llevarse a cabo en una situacin real.
Pgina
17
4. TEORA DE JUEGOS
4.1. Qu es un juego?
Un juego es una situacin competitiva entre N personas o grupos, denominados jugadores, que se realiza bajo un conjunto de reglas previamente establecidas, con consecuencias conocidas. Las reglas definen las actividades elementales, o movimientos del juego. Pueden permitirse diferentes movimientos para los distintos jugadores, pero, cada jugador conoce los movimientos de que dispone los otros jugadores. Si un jugador gana lo que otro jugador pierde , el juego se le denomina juego de suma 0. Un juego de dos personas es un juego que tiene solo dos jugadores.
4.1.1. Estrategias
Una estrategia pura es un plan previamente determinado que establece la secuencia de movimientos y contramovimientos que un jugador realizar durante un juego completo.
4.1.2. Juegos de suma cero para dos personas: estrategias aleatorias, dominacin y solucin grfica.
En este tipo de juegos, lo que uno gana es igual a lo que otro pierde, entonces al sumar la ganancia y la prdida de uno y otro, el resultado obtenido es exactamente cero. Se analiza cmo determinar el valor y la estrategia ptima para un juego de suma cero para dos personas que no tiene un punto silla. Se inicia con el juego sencillo de pares y nones.
Pgina
18
Ejercicio 1
Dos jugadores (que se llaman Non y Par) escogen de manera simultnea el nmero de dedos (1 o 2) que deben mostrar. Si la suma de los dedos que
muestran los jugadores en non, entonces, Non gana 1 dlar a Par. Si la suma de los dedos es par, entonces Par gana 1 dlar a Non. Consideramos que el jugador de los renglones es Non y que el jugador de las columnas es Par. Determine si este juego tiene un punto silla. Solucin: Este juego de suma cero cuya matriz de recompensas es la que se muestra en la siguiente tabla. Puesto que Max (mnimo del rengln= =-1 y min (mximo de las columnas)= +1, no se cumple la ecuacin (1), y este juego no tiene punto silla. Bueno todo lo que sabemos es que Non puede estar seguro de una recompensa de por lo menos -1, y Par puede mantener a Non es una recompensa de cuando mucho +1. Por lo tanto no es evidente como determinar el valor del juego y las estrategias ptimas
1 dedo
2 dedos
-1 +1 +1
+2 -1 +1
-1 -1
Pgina
19
Debemos ampliar el conjunto de estrategias admisibles para cada jugador con el fin de incluir las estrategias aleatorias. Hemos supuesto que hasta ahora que cada vez que un jugador juega, aplica la misma estrategia. Por qu no dejar que cada jugador escoja una probabilidad de aplicar cada estrategia? Por ejemplo: X1= probabilidad de que Non levante un dedo. X2= probabilidad de que Non levante dos dedos. y1= probabilidad de que Par levante un dedo. y2= probabilidad de que Par levante dos dedos. Por lo que se entendi si x10, x20 y x1+x2 = 1, entonces (x1, x2) es una estrategia combinada o aleatoria a Non. Por ejemplo, Non puede seguir la
estrategia (1/2,1/2) si lanza una moneda antes de cada jugada del juego y levanta un dedo si sale cara o dos dedos si sale cruz; de igual manera para Par.
Pgina
20
(-1) x1 + (+1) (1 - x1) = 1 2x1 Como funcin de x1 esta recompensa esperada se traza como un segmento de recta AC en que de igual manera, si Par muestra dos dedos y Non elige la estrategia combinada (x1, 1 x1), la recompensa esperada de Non es: (+1) x1 + (-1) (1 - x1) = 2x1 1
E (1,1) A
B 1
X1
C (1,-1)
AC= recompensa de Non x1 si par escoge 1. DE= recompensa de Non x1 si par escoge. Cmo hacer que una estrategia no ptima recompense? Estrategia de Non X1< X1 > Y1< Y2> Par puede escoger 2 dedos 1 dedo 1 dedo 2 dedos Recompensa esperada <0 (sobre BD) <0 (sobre BC)
Pgina
21
5. CADENA DE MARKOV
Es una serie de eventos, en la cual la probabilidad de que ocurra un evento depende del evento inmediato anterior. En efecto, las cadenas de este tipo tienen memoria. Recuerdan el ltimo evento y esto condiciona las posibilidades de los eventos futuros. Esta dependencia del evento anterior distingue a las cadenas de Markov de las series de eventos independientes, como tirar una moneda al aire o un dado. Una cadena de Markov es una secuencia X1, X2, X3, de variables aleatorias. El rango de estas variables, es llamado espacio estado, el valor de Xn es el estado del proceso en el tiempo n. Si la distribucin de probabilidad condicional de Xn+1 en estados pasados es una funcin de Xn por s sola, entonces: Donde xi es el estado del proceso en el instante i. La identidad mostrada es la Propiedad de Markov.
Este resultado se obtuvo multiplicando las probabilidades condicionales a lo largo de los caminos desde hoy nublado hasta pasado maana nublado. No es necesario que seamos tan especficos en trminos de hoy, maana o pasado maana, podemos darnos cuenta que lo realmente importante es el nmero de das que pasa entre una prediccin y otra.
Pgina
22
Tiempo de hoy
Maana
Nublado
EJERCICIO #1
El ascensor de un edificio con bajo y 2 pisos ms realiza viajes de uno a otro piso. El piso en el que finaliza el viaje ensimo del ascensor, sigue una cadena de markov.
Se sabe que la mitad de los viajes que parten del bajo se dirigen a los otros 2 pisos, mientras que si un viaje comienza en el primer piso, slo el 25% de las veces finaliza en el segundo.
Por ltimo, si un trayecto comienza en el segundo piso, siempre finaliza en el bajo calcula la raz de probabilidades de transicin segn la cadena de markov.
*** 0 1 2
0 0 75 100
1 50 0 0
2 50 25 0
Pgina
23
0%
P b
50%
50% B 1
75% 50% 1
75%
0% 25% 2 100%
P m
0% P b 50%
25%
100% P m P b P a
P a
0%
0%
Pgina
24
6. PROGRAMACIN DINMICA
Es un enfoque general para la solucin de problemas en los que es necesario tomar decisiones en etapas sucesivas. Las decisiones tomadas en una etapa condicionan la evolucin futura del sistema, afectando a las situaciones en las que el sistema se encontrar en el futuro (denominadas estados), y a las decisiones que se plantearn en el futuro. La programacin dinmica no tiene formulacin matemtica estndar. Se trata de un enfoque de tipo general para la solucin de problemas, y las ecuaciones se derivan de las condiciones individuales de los mismos. El procedimiento general de resolucin de estas situaciones se divide en el anlisis recursivo de cada una de las etapas del problema, en orden inverso, es decir comenzando por la ltima y pasando en cada iteracin a la etapa antecesora. El anlisis de la primera etapa finaliza con la obtencin del ptimo del problema.
6.1.
Problema de la diligencia:
Es una manera de reconocer una situacin que se puede formular como un problema de programacin dinmica. Es encontrar la ruta que minimiza el costo total de un nodo especfico.
Pgina
25
El objetivo es hallar y su ruta correspondiente. Cuando el cazafortunas tiene slo una etapa por recorrer (n=4) su ruta de ah en adelante, estar determinada por el estado actual (H o I) y su destino final X4 = J. Luego
Etapa n=3 El cazafortunas tiene 2 etapas por recorrer (n=3). Suponga que sale de E.
E
C E, I =4 I ,
Pgina
26
C E, H =1
Etapa n=2 En la segunda etapa, el cazafortunas tiene 3 jornadas por recorrer (n=2). Suponga que sale de C. C, C E =3 C C, C F =2 F C, C G =4
, ,
Etapa n=1 En la primera etapa, el cazafortunas tiene todas las jornadas por recorrer (n=1). Necesariamente debe salir de A. , , ,
C A, B =2
B
C
C A, C =4 C A, D =3 D
Caractersticas de la P.D 1. El problema se puede dividir por etapas, que requieren una poltica de decisin en cada una de ellas. 2. Cada etapa tiene un cierto nmero de estados asociados a su inicio. (Estados son las diferentes condiciones posibles en las que se puede encontrar el sistema en cada etapa del problema).
Pgina
27
Inicio ms cercano IC: Es el tiempo ms cercano en el que puede empezar una actividad, suponiendo que todas las actividades precedentes han concluido. Tiempo ms cercano TC: El tiempo ms cercano en que una actividad puede terminar. Inicio ms lejano IL: Tiempo ms lejano en que una actividad puede comenzar sin retrasar el tiempo de terminacin del todo el proyecto. Tiempo ms lejano TL: El tiempo ms lejano en que una actividad puede terminar sin retrasar el tiempo de terminacin de todo el proyecto.
Pgina
28
Pgina
29
Pgina
30