Trabajo de Io

Instituto Tecnolgico Superior de Lerdo
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
LNEAS DE ESPERA ............................................................................................................... 8 2.1. Modelos de una cola y un servidor ................................................................................ 8
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
CADENA DE MARKOV ......................................................................................................... 22 5.1.1. Problema de la cadena de Markov: ...................................................................................... 22
6.
PROGRAMACIN DINMICA ............................................................................................. 25 6.1. Problema de la diligencia: ............................................................................................. 25
7.
PROGRAMACIN DINMICA DETERMINSTICA ......................................................... 28
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:
Costo total por ao:
El nmero de periodos por ao:
Tiempo en pedidos (tiempo periodos)
Inventario promedio:
Costo de retencin anual si la cantidad de pedidos es: q
Costo de prdida anual si la cantidad de pedido es: q
EOQ cuando costo de retencin se expresa en trminos del valor del

Pgina
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
3 1000 3000 3000
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:
18,000 400 1.20 1
Despus se efectan cada una de las operaciones indicadas.

.
3,465
Pgina
Costo total por ao:
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.

Modelos de una cola y un servidor
M/M/1 M/G/1 M/D/1 M/Ek/1
Pgina
M/M/1:
Un servidor con llegadas de Poisson y tiempos de servicio exponenciales.
Frmula M/M/1
> +
>
>
, < 1
Nomenclatura de las frmulas:

: Tasa media de llegadas o probabilidad de llegadas. : Es el nmero de clientes que puedo atender en un tiempo (n). p: Tasa media de llegadas/ nmero de clientes que puedo atender en un tiempo (n). Ls: Nmero esperado de clientes en el sistema. Lq: Nmero esperado de clientes en la cola. Ws: Tiempo esperado de espera en el sistema. Wq: Tiempo esperado de espera en la cola. Pn: Probabilidad de tener X cantidad de clientes en el sistema. Pn+1: Probabilidad de tener una cola de x. P (Ws > t): Probabilidad de esperar ms de x tiempo en el sistema. P (Wq > t9: Probabilidad de esperar ms de x tiempo en la cola.
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
0.75 > 3 + 2.25
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
1.33 1.66 1.33
4.03 1.7689 1.66 1
1.33 2 1.66 1.66 1.33
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

(): El tiempo esperado de servicio depende de la tasa media de servicio. (): El nmero esperado de llegadas por unidad de tiempo se llama tasa media de llegadas. Lq: Nmero esperado de clientes en la cola. Ls: Nmero esperado de clientes en el sistema. Wq: Tiempo esperado de espera en la cola. Ws: Tiempo esperado de espera en el sistema. (=0): Tiempos de servicio constantes. 1/: El tiempo esperado de servicio. (P0): Probabilidad de error. Probabilidad de tiempo de espera (PW).
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

(): El tiempo esperado de servicio depende de la tasa media de servicio. (): El nmero esperado de llegadas por unidad de tiempo se llama tasa media de llegadas. Ls: Nmero esperado de clientes en el sistema. Lq: Nmero esperado de clientes en la cola. Ws: Tiempo esperado de espera en el sistema. Wq: Tiempo esperado de espera en la cola. 1/: El tiempo esperado de servicio. (P0): Probabilidad de error.
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.
1.875 0.21. 12.5.
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
1.33 5.04 6.70
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

(): El tiempo esperado de servicio depende de la tasa media de servicio. (): El nmero esperado de llegadas por unidad de tiempo se llama tasa media de llegadas. Ls: Nmero esperado de clientes en el sistema. Lq: Nmero esperado de clientes en la cola. Ws: Tiempo esperado de espera en el sistema. Wq: Tiempo esperado de espera en la cola. 1/: El tiempo esperado de servicio. (P0): Probabilidad de error.
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
1.33 5.54 7.36

2.51 + 1 / 0.33 = 2.51 + 3.03 = 5.54

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
Jugador de Los renglones (Non)
Jugador de las columnas (Par)
1 dedo
2 dedos
mnimo de los renglones
1 dedo 2 dedos Mximo de columnas
-1 +1 +1
+2 -1 +1
-1 -1
Pgina
19
4.1.3. Estrategias aleatorias o combinados
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.
4.1.4. Solucin grafica de pares y nones

Con este es posible determinar la estrategia ptima de Non. Como x1 + x2 = 1, sabemos que x2 = 1 x1. Por lo tanto, cualquier estrategia combinada puede ser (x1, 1 - x1) y solo basta determinar el valor de x. Supngase que Non selecciona una estrategia combinada [x1, (1 x1)]. Cul es la recompensa esperada de Non comparada con cada una de las estrategias de Par? Si Par levanta un dedo, entonces Non recibir una recompensa de -1 con probabilidad x1 y una recompensa de +1 con probabilidad de x2 = 1 x1. Por lo tanto, si Par levanta un dedo y Non elige la estrategia combinada (x1, 1 x1), entonces la recompensa esperada de Non es:
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
Qu es el segmento de la recta DE?
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
> 0 (sobre BE)
21
>0 (sobre AB)
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.
5.1.1. Problema de la cadena de Markov:

Si hoy est nublado, para que pasado maana est nublado, podramos tener un da de maana soleado o nublado. As tenemos las siguientes secuencias en orden de (hoy, maana y pasado maana): (Nublado, soleado, nublado) o (nublado, nublado, nublado) donde pasado maana es nublado. Estas secuencias son mutuamente excluyentes, corresponden a caminos distintos en el rbol, as tenemos que: = P (pasado maana nublado | hoy nublado) = P ((nublado, soleado, nublado) o (nublado, nublado, nublado)) =P (nublado,soleado,nublado)+P(nublado, nublado, nublado)=(.6 .3)+(.4.4) =.34
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
Pasado maana Nublado
Soleado Nublado Nublado
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.
6.1.1. Terminologa y notacin bsica

Perodos o etapas: Sea N= {1, 2,....., n} un conjunto finito de elementos. Mediante el ndice, representamos cada uno de ellos. N es el conjunto de perodos o etapas del proceso. Espacio de estados: { } es una familia de conjuntos, uno para cada perodo n. S se denomina espacio de estados en el perodo n. Cada uno de sus elementos, que se representa mediante Sn, es un estado, que describe una posible situacin del proceso en ese perodo. Sea s: El estado de inicio; j: estado destino. n: La fase, normalmente representa el nmero de arcos hasta el destino.
Pgina
f(n, s): La poltica de costo mnimo cuando se encuentra en el estado s de la etapa n.
25
C(s, j): Costo o distancia de ir desde s hasta j.
Ejemplo1. Programacin dinmica

Un cazafortunas desea ir de Missouri a California en una diligencia, y quiere viajar de la forma ms segura posible. Tiene los puntos de salida y destino conocidos, pero tiene mltiples opciones para viajar a travs del territorio. Se entera de la posibilidad de adquirir un seguro de vida como pasajero de la diligencia. El costo de la pliza estndar (cij) se muestra en la tabla siguiente:
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
7. PROGRAMACIN DINMICA DETERMINSTICA

Una ruta crtica es la secuencia de los elementos terminales de la red de proyectos con la mayor duracin entre ellos, determinando el tiempo ms corto en el que es posible completar el proyecto. La duracin de la ruta crtica determina la duracin del proyecto entero. Cualquier retraso en un elemento de la ruta crtica afecta a la fecha de trmino planeada del proyecto, y se dice que no hay holgura en la ruta crtica. Un proyecto puede tener varias rutas crticas paralelas. El mtodo de la ruta crtica usa ciertos tiempos (reales o determinsticos). El mtodo de la ruta crtica se basa en 2 procedimientos que recorren la red de las actividades de un proyecto: La pasada hacia atrs y la pasada hacia adelante, cada actividad de la red se representa con el diagrama siguiente:
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
Ejemplo1. Programacin dinmica determinstica.
Pgina
29
Personas que no trabajaron: Jos de Jess Castillo Molina
Pgina
30

Trabajo de Io

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Trabajo de Io

Uploaded by

Copyright:

Available Formats

Instituto Tecnolgico Superior de Lerdo

Instituto Tecnolgico Superior de Lerdo

LNEAS DE ESPERA ............................................................................................................... 8 2.1. Modelos de una cola y un servidor ................................................................................ 8

CADENA DE MARKOV ......................................................................................................... 22 5.1.1. Problema de la cadena de Markov: ...................................................................................... 22

PROGRAMACIN DINMICA ............................................................................................. 25 6.1. Problema de la diligencia: ............................................................................................. 25

PROGRAMACIN DINMICA DETERMINSTICA ......................................................... 28

Instituto Tecnolgico Superior de Lerdo

Instituto Tecnolgico Superior de Lerdo

Costo total por ao:

El nmero de periodos por ao:

Tiempo en pedidos (tiempo periodos)

Costo de retencin anual si la cantidad de pedidos es: q

Costo de prdida anual si la cantidad de pedido es: q

EOQ cuando costo de retencin se expresa en trminos del valor del

Instituto Tecnolgico Superior de Lerdo

3 1000 3000 3000

Instituto Tecnolgico Superior de Lerdo

18,000 400 1.20 1

Despus se efectan cada una de las operaciones indicadas.

Costo total por ao:

Instituto Tecnolgico Superior de Lerdo

Instituto Tecnolgico Superior de Lerdo

Modelos de una cola y un servidor

M/M/1 M/G/1 M/D/1 M/Ek/1

Instituto Tecnolgico Superior de Lerdo

Un servidor con llegadas de Poisson y tiempos de servicio exponenciales.

Nomenclatura de las frmulas:

Instituto Tecnolgico Superior de Lerdo

0.75 > 3 + 2.25

1.33 1.66 1.33

4.03 1.7689 1.66 1

1.33 2 1.66 1.66 1.33

Instituto Tecnolgico Superior de Lerdo

Nomenclatura de las frmulas:

Instituto Tecnolgico Superior de Lerdo

Instituto Tecnolgico Superior de Lerdo

Nomenclatura de las frmulas:

Instituto Tecnolgico Superior de Lerdo

1.875 0.21. 12.5.

1.33 5.04 6.70

Instituto Tecnolgico Superior de Lerdo

Nomenclatura de las frmulas:

Instituto Tecnolgico Superior de Lerdo

1.33 5.54 7.36

2.51 + 1 / 0.33 = 2.51 + 3.03 = 5.54

Instituto Tecnolgico Superior de Lerdo

Instituto Tecnolgico Superior de Lerdo

Instituto Tecnolgico Superior de Lerdo

Jugador de Los renglones (Non)

Jugador de las columnas (Par)

mnimo de los renglones

1 dedo 2 dedos Mximo de columnas

Instituto Tecnolgico Superior de Lerdo

4.1.3. Estrategias aleatorias o combinados

4.1.4. Solucin grafica de pares y nones

Instituto Tecnolgico Superior de Lerdo

Qu es el segmento de la recta DE?

> 0 (sobre BE)

>0 (sobre AB)

Instituto Tecnolgico Superior de Lerdo

5.1.1. Problema de la cadena de Markov:

Instituto Tecnolgico Superior de Lerdo

Pasado maana Nublado

Soleado Nublado Nublado