Prof. Ing. Claudio L. R.

Sturla
PROGRAMACIN DINMICA
PARTE III
As, si compramos una mquina nueva cuando el tiempo es 2, deeramos conservarla !asta cuando el
tiempo sea " # venderla en ese momento.
Si la mquina nueva se comprara cuando el tiempo es $, la podramos vender en el tiempo 2, % & '.
(ntonces
( )
( )
( )
( )

'

+ +
+ +
+ +

) ' cuando *+enderla ,- . /2/ . $ 20/ 10/ '

) % cuando *+enderla ,- /0/ . $ "2/ "'/ %
) 2 cuando *+enderla ,- . /2/ . $ 10/ 20/ 2
mn $
$'
$%
$2
t g c
t g c
t g c
g
As, si se compra una nueva mquina cuando el tiempo es $, se puede vender cuando el tiempo es 2 o
cuando es '.
La mquina nueva que se compr& cuando el tiempo es / se puede vender cuando el tiempo es $, 2 & %.
(ntonces
( )
( )
( )
( )

'

+ +
+ +
+ +

) % cuando *+enderla ,- . 22/ . $ "2/ 10/ %

) 2 cuando *+enderla ,- %// . $ 10/ "'/ 2
) $ cuando *+enderla ,- . 22/ . $ /2/ . $ 20/ $
mn /
/%
/2
/$
t g c
t g c
t g c
g
La nueva mquina que se compr& cuando el tiempo es / se dee reempla3ar cuando el tiempo es $ & %.
(n forma aritraria decidamos que la vamos a reempla3ar cuando el tiempo es $.
(ntonces la nueva mquina que compramos cuando el tiempo es $ se puede vender cuando el tiempo es
2 o '.
4e nuevo, elegimos en forma aritraria # reemplac5mosla en el tiempo 2.
(n ese caso, la mquina que se compr& en el tiempo 2 se dee conservar !asta el tiempo ", cuando se
vende a su valor de salvamento.
Con esta poltica de reempla3o incurriremos en un costo neto igual a ( ) ,- 22/ . $ / g .
(l lector dee comproar que tami5n son &ptimas las siguientes polticas6 *$) venderlas cuando los
tiempos sean $, ' # ", # *2) venderlas cuando los tiempos son %, ' # ".
7emos supuesto que todos los costos permanecen estales con respecto al tiempo.
(sta !ip&tesis s&lo se !i3o para simplificar el clculo de las
tx
c
Si !ui5ramos modificado esa !ip&tesis, la 8nica complicaci&n !ara sido que las
tx
c
!aran sido ms
complicadas para calcularse.
9ami5n oserve que si se usa un !ori3onte de planificaci&n corto, la poltica &ptima de reempla3o
puede ser mu# sensile a dic!a duraci&n.
Por lo tanto, se pueden otener resultados ms significativos usando un !ori3onte de planificaci&n ms
distante.
Representacin en Forma de Red del Problema de Reemplao de E!"ipo
(l lector puede comproar que la soluci&n del Ejemplo 7 es equivalente a encontrar el tra#ecto ms
corto del nodo / al nodo " en la red de la Figura 9.
La longitud del arco que une los nodos i # j es
ij
c
prog_dinamica-3.doc
"$
Prof. Ing. Claudio L. R. Sturla
Figura 9
Representaci&n en red del prolema del reempla3o de equipo
El problema de la Asi#nacin de Dinero a Di$erentes reas para la
Comercialiacin
Sean cuatro regiones econ&micas I, II, III # I+ donde se va a reali3ar una promoci&n de ventas.
Se dispone de una suma A para invertirla en las cuatro 3onas.
Las ganancias por regi&n se suponen conocidas # son6
:anancia
Inversi&n I II III I+
/ / / / /
$ /,22 /,2" /,$" /,2
2 /,'" /,'$ /,2" /,%%
% /,0" /,"" /,' /,'2
' /,12 /,0" /," /,'2
" /,; /,1" /,02 /,"%
0 $,/2 /,2 /,1% /,"0
1 $,$% /,2" /,22 /,"2
2 $,2% /,22 /,; /,0
; $,%2 /,; /,;0 /,0
$/ $,%2 /,; $ /,0
Suponemos A < $// millones de ,-, distriuidos en $/ unidades de $/ millones de ,- cada una.
,na posiilidad es invertir6
% en I, $ en II, " en III # $ en I+
/,0" = /,2" = /,02 =/,2 < $,12
(>isten 220 polticas posiles.
Llamaremos
' % 2 $
# , , x x x x
a las inversiones en decenas de millones de ,- en las 3onas I, II, III # I+.
Llamaremos
( ) ( ) ( ) ( )
' % 2 $
# , , x v x v x v x v
a las ganancias en las 3onas correspondientes #
( )
' % 2 $
, , , x x x x F
a
la ganancia total? con la restricci&n
$/
' % 2 $
+ + + x x x x
i
x
toma valores enteros solamente entre / # $/
7acemos6
prog_dinamica-3.doc
"2
Prof. Ing. Claudio L. R. Sturla
A x u
u x u
u x x
+
+
+
' 2
2 % $
$ 2 $
Se puede escriir6
( ) ( ) ( ) ( ) ( )
2 ' $ 2 % $ $ 2 $ $ 2 $ $
, , , u A v u u v x u v x v A u u x F + + +
Comen3amos calculando para las dos primeras 3onas @untas.
( ) ( ) ( ) [ ]
$ $ 2 $ $
, , 2 , $ , /
$ 2 , $
$ $
m> x u v x v u f
u x
+

Aue aplicada en forma sistemtica da6
( ) ( ) ( ) / / / / / /
2 $ $ 2 , $
+ + v v u f
Bptima /, /
( ) ( ) ( ) ( ) ( ) [ ] ( ) 22 , / / 22 , / ? 2" , / / m> / $ ? $ / m> $
2 $ 2 $ $ 2 , $
+ + + + v v v v u f
Bptima $, /
( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) "% , / / '" , / ? 22 , / 2" , / ? '$ , / / m> / 2 ? $ $ ? 2 / m> 2
2 $ 2 $ 2 $ $ 2 , $
+ + + + + + v v v v v v u f
Bptima $, $
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ]
( ) 1 , / 0" , / / ? 2" , / '" , / ? '$ , / 22 , / ? "" , / /
/ % ? $ 2 ? 2 $ ? % / %
2 $ 2 $ 2 $ 2 $ $ 2 , $
+ + + +
+ + + +
mx
v v v v v v v v mx u f
Bptima 2, $
C as siguiendo.
Los resultados se muestran en la tala siguiente6
$ 2 $
& & u x x ( )
$ $
x v ( )
2 2
x v ( )
$ 2 , $
u f Supolticas &ptimas para I # II
/ / / / */, /)
$ /,22 /,2" /,22 *$, /)
2 /,'" /,'$ /,"% *$, $)
% /,0" /,"" /,1 *2, $)
' /,12 /,0" /,; *%, $)
" /,; /,1" $,/0 *%, 2)
0 $,/2 /,2 $,2 *%, %)
1 $,$% /,2" $,%% *', %)
2 $,2% /,22 $,'" *", %)
; $,%2 /,; $,"1 *0, %)
$/ $,%2 /,; $,02 *1, %)
D&tese que las columnas segunda # tercera son simple copia de los rendimientos en las reas I # II.
A!ora !acemos6
( ) ( ) ( ) [ ]
$ 2 % $ 2 , $
, , $ , /
2 % , 2 , $
2 $
m> u u v u f u f
u u
+

Por e@emplo6
prog_dinamica-3.doc
"%
Prof. Ing. Claudio L. R. Sturla
( ) ( ) ( ) [ ] / / / / / m> /
% 2 , $
/
2 % , 2 , $
$
+ +

v f u f
u
Bptima /, /, /
( ) ( ) ( ) ( ) ( ) [ ]
( ) 22 , / / 22 , / ? $" , / / m>
/ $ ? $ / m> $
% 2 , $ % 2 , $
$ , /
2 % , 2 , $
$
+ +
+ +

v f v f u f
u
Bptima $, /, /
C as siguiendo.
Los clculos completos se muestran en la tala siguiente6
% $
& x u ( )
$ 2 , $
u f ( )
% %
x v ( )
2 % , 2 , $
u f Supolticas &ptimas para I, II # III
/ / / / */, /, /)
$ /,22 /,$" /,22 *$, /, /)
2 /,"% /,2" /,"% *$, $, /)
% /,1 /,' /,1 *2, $, /)
' /,; /," /,; *%, $, /)
" $,/0 /,02 $,/0 *%, 2, /)
0 $,2 /,1% $,2$ *%, 2, $)
1 $,%% /,22 $,%" *%, 2, 2)
2 $,'" /,; $,'2 *', %, $)
; $,"1 /,;0 $,0 *", % $) & *%, %, %)
$/ $,02 $ $,1% *', %, %)
Es5rvese que la tercera columna son las ganancias del rea III # que la segunda columna es el resulF
tado de la tala anterior.
A!ora !acemos6
( ) ( ) ( ) [ ]
2 ' 2 % , 2 , $
, , 2 , $ , /
' , % , 2 , $
2
m> u A v u f A f
A u
+

Por e@emplo6
( ) ( ) ( ) [ ] / / / / / m> /
' % , 2 , $
/
% , 2 , $
2
+ +

v f A f
u
Bptima /, /, /, /
( ) ( ) ( ) ( ) ( ) [ ] ( ) 22 , / / 22 , / ? / / m> / $ ? $ / m> $
' % , 2 , $ ' % , 2 , $
$ , /
' , % , 2 , $
2
+ + + +

v f v f A f
u
Bptima $, /, /, /
( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ]
( ) "% , / / "% , / ? 2 , / 22 , / ? %% , / / m>
/ 2 ? $ $ ? 2 / m> 2
' % , 2 , $ ' % , 2 , $ ' % , 2 , $
2 , $ , /
' , % , 2 , $
2
+ + +
+ + +

v f v f v f A f
u
Bptima $, $, /, /
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ]
( ) 1% , / / 1 , / ? 2 , / "% , / ? %% , / 22 , / ? '2 , / / m>
/ % ? $ 2 ? 2 $ ? % / m> %
' % , 2 , $ ' % , 2 , $ ' % , 2 , $ ' % , 2 , $
% , 2 , $ , /
' , % , 2 , $
2
+ + + +
+ + + +

v f v f v f v f A f
u
prog_dinamica-3.doc
"'
Prof. Ing. Claudio L. R. Sturla
' 2
& x u ( )
2 % , 2 , $
u f ( )
' '
x v ( ) A f
A , % , 2 , $
Supolticas &ptimas para I, II, III # I+
/ / / / */, /, /, /)
$ /,22 /,2 /,22 *$, /, /, /)
2 /,"% /,%% /,"% *$, $, /, /)
% /,1 /,'2 /,1% *$, $, /, $)
' /,; /,'2 /,; *%, $, /, /) & *2, $, /, $)
" $,/0 /,"% $,$ *%, $, /, $)
0 $,2$ /,"0 $,20 *%, 2, /, $)
1 $,%" /,"2 $,'$ *%, 2, $, $)
2 $,'2 /,0 $,"" *%, %, $, $)
; $,0 /,0 $,02 *', %, $,$) & *%, %, $, 2)
$/ $,1% /,0 $,2$ *', %, $, 2)
Los valores &ptimos son
2 $ % '
.
'
.
%
.
2
.
$
x x x x # la ganancia m>ima $,2$
Se puede verificar que todas las supolticas de ', %, $, 2 son &ptimas.
Si consideramos s&lo I, II # III
$ % '
.
%
.
2
.
$
x x x es una supoltica &ptima que corresponde a 2
2
u
Otra Frm"la Rec"rsi%a
7a# otra formulaci&n de la programaci&n dinmica del modelo de reempla3o de equipo.
Si definimos que la etapa sea el tiempo t # el estado en cualquier etapa sea la edad del anali3ador de
motor cuando el tiempo es t, entonces se puede deducir otra recursi&n de programaci&n dinmica.
4efinamos f
t
(x) como el costo mnimo incurrido desde que el tiempo es t !asta que el tiempo es ", dado
que cuando el tiempo es t el taller tiene un anali3ador de x aGos de edad.
Como el prolema termina cuando el tiempo es ", vendemos la mquina en t < " # reciimos
x
s
(ntonces
( )
x
s x f
"
para x < /, $, 2, %, '
( ) ( ) +ender $ $2/ 2/ 0/ /// . $ "// %
$ +
+ + + + +
t t
f f
*$/)
( )
( )
( )

'

+
+ + +

+
+
Conservar % $2/
+ender $ 0/ /// . $ 0//
2
$
$
t
t
t
f
f
mn f
*$/.$)
( )
( )
( )

'

+
+ + +

+
+
Conservar 2 2/
+ender $ 0/ /// . $ 2//
mn $
$
$
t
t
t
f
f
f
*$/.2)
( ) ( ) Conservar $ 0/ /// . $ /
t t
f f + +
*$/.%)
La l&gica en la que se apo#an las Ecuaciones (10) a (10.3) es que si tenemos un anali3ador con $ & 2
aGos de edad deemos decidir entre reempla3ar la mquina o conservarla otro aGo.
(n las Ecuaciones (10.1) # (10.2) comparamos los costos de esas dos opciones.
Para cada opci&n, el costo total desde el tiempo t !asta " es la suma del costo durante el aGo actual ms
los costos desde el tiempo t = $ !asta ".
Si tenemos un anali3ador de % aGos de edad lo deemos camiar. Do !a# alternativa.
prog_dinamica-3.doc
""
Prof. Ing. Claudio L. R. Sturla
(l modo en que !emos definido el estado quiere decir que s&lo es posile estar en un estado / cuando
el tiempo es /.
(n este caso, deemos conservar el anali3ador durante el primer aGo, incurriendo en un costo de $./0/
,-.
4esde este punto en adelante, se incurre en un costo total ( ) $
$
f
As se deduce *$/.%).
Como saemos que
( ) ( ) ( ) "// % # 0// 2 ? 2// $
" " "
f f f
, podemos calcular de inmediato todas
las ( )
'
f
Luego podremos calcular las
( )
%
f
Seguimos as !asta que se determina
( ) /
/
f
? recuerde que comen3amos con un anali3ador nuevo.
A continuaci&n seguimos el m5todo acostumrado para determinar la poltica &ptima.
(s decir, si
( ) /
/
f
se logra conservando la mquina, la conservamos durante un aGo #, luego, durante el
aGo $ decidiremos la acci&n que alcance ( ) $
$
f
Si continuamos de este modo podemos determinar para cada tiempo si camiar o no la mquina.
Planteo de Frm"las Rec"rsi%as en la Pro#ramacin Din&mica
(n muc!os prolemas de programaci&n dinmica, como los e@emplos del inventario # de la tra#ectoria
ms corta, una etapa dada consiste simplemente en todos los estados posiles que puede ocupar el sisF
tema en esa etapa.
Si 5ste es el caso, la ecuaci&n recursiva de programaci&n dinmica, para un prolema de minimi3aci&n,
se puede escriir con frecuencia en la forma siguiente6
( ) ( ) ( ) { } $ etapa la en estado nuevo etapa la durante costo mn
$
+ +
+
t f t i f
t t
*$$)
donde el mnimo es sore todas las decisiones posiles, cuando el estado en la etapa t es i
(n esta ecuaci&n,
( ) i f
t
es el costo mnimo incurrido de la etapa t !asta el final del prolema *digamos
que el prolema termina despu5s de la etapa T), dado que en la etapa t el estado es i
La Ecuacin (11) refle@a el !ec!o de que el costo mnimo incurrido desde la etapa t al final del proF
lema se dee alcan3ar seleccionando una decisi&n permisile en la etapa t que minimice la suma de
los costos incurridos durante la etapa actual *etapa t) ms el costo mnimo en que se puede incurrir
desde la etapa t = $ !asta el final del prolema.
La formulaci&n correcta de una ecuaci&n recursiva de la forma (11) necesita que identifiquemos tres
aspectos importantes del prolema6
Aspecto 1 El conjunto de decisiones que es posible para el estado y la etapa dados. Con
frecuencia el conjunto !e !ecisiones posi"les !epen!e tanto !e t como !e i. #or ejemplo
en el caso !el in$entario

t
d
demanda durante el mes t

t
i
inventario al principio del mes t
(n este caso, el con@unto de decisiones permisiles para el mes t *
t
x
es un nivel permisile de
producci&n), consiste de los elementos de H/, $, 2, %, ', "I que cumplen con
( ) ' / +
t t t
d x i
. Eserve c&mo el con@unto de decisiones permisiles cuando el tiempo es t
depende de la etapa t # del estado cuando el tiempo es t, que es
t
i
Aspecto 2 Debemos especificar cmo depende el costo durante el periodo actual de tiempo
(etapa t) del valor de t del estado actual y de la decisin tomada en la etapa t. #or ejemplo
prog_dinamica-3.doc
"0
Prof. Ing. Claudio L. R. Sturla
en el caso !el in$entario supongamos %ue se selecciona un ni$el !e pro!uccin
t
x
!urante
el mes t. Entonces el costo !urante el mes t est& !a!o por
( ) ( )
t t t t
d x i x c +

,
_

+
2
$
Aspecto 3 Debemos especificar cmo depende el estado en la etapa t ' 1 del valor de t del
estado en la etapa t ( de la decisin tomada en la etapa t. )e nue$o el ejemplo !el in$enta*
rio el esta!o !el mes t ' 1 es
t t t
d x i +
,na ve3 identificados el estado, la etapa # la decisi&n en forma correcta, entonces los aspectos $ a % no
deeran ser difciles de tratar.
Sin emargo, una advertencia6 no todas las ecuaciones recursivas tienen la forma de la Ecuacin (11).
Por e@emplo, la recursi&n de reempla3o de equipo se salt& el tiempo t = $
(sto pasa con frecuencia cuando la sola etapa aporta informaci&n suficiente para tomar una decisi&n
&ptima.
Ejemplo +
(l dueGo de un lago dee decidir cunto roalo pescar # vender cada aGo.
Si vende
x
roalos durante un aGo t, su utilidad es r(x)
(l costo de pescar t roalos durante un aGo es una funci&n c(x, b) del n8mero de peces atrapados duF
rante el aGo # de b, el n8mero de roalos en el lago al principio del aGo.
Daturalmente, los roalos se reproducen.
Para !acer un modelo, suponemos que el n8mero de roalos en el lago al principio de un aGo es 2/ J
ms que el que !aa al final del aGo anterior.
Supongamos que !a# $/./// roalos en el lago al principio del primer aGo.
4edu3ca una f&rmula recursiva de programaci&n dinmica que se pueda usar para elevar al m>imo las
utilidades netas del propietario en un !ori3onte de T aGos.
,olucin
(n los prolemas en los que se deen tomar decisiones en distintos puntos del tiempo con frecuencia se
tiene un equilirio entre eneficios actuales contra eneficios futuros.
Por e@emplo, podramos pescar muc!os roalos durante el primer aGo, pero entonces el lago quedara
agotado en los aGos posteriores # !ara poca pesca.
Por otro lado, si pescamos a!ora mu# pocos roalos, no ganaremos muc!o dinero pronto, pero podeF
mos ganarlo cerca del final del !ori3onte.
(n los prolemas intertemporales de optimi3aci&n, se usa con frecuencia la programaci&n dinmica
para anali3ar estas comple@as opciones.
Al principio del aGo T, el dueGo del lago no dee preocuparse del efecto que tendr la captura de roaF
los sore la polaci&n futura del lago. *(n el tiempo T, no !a# futuro.)
Por lo tanto, al principio del aGo T es fcil resolver el prolema.
Por esta ra3&n !aremos que el tiempo sea la etapa.
(n cada etapa, el dueGo del lago dee decidir cunto roalo pescar.
4efinimos
t
x
como el n8mero de roalos pescados durante el aGo t
Para determinar un valor &ptimo de
t
x
, el dueGo del lago s&lo necesita conocer el n8mero de roalos
*llam5mosle
t
b
) que !a# en el lago al principio del aGo t
Por lo tanto, el estado al principio del aGo t es
t
b
4efinimos
( )
t i
b f
a las utilidades netas m>imas que se puede alcan3ar de la pesca del roalo durante
los aGos
T t t , , $ , +
, dado que !a#
t
b
roalos en el lago al principio del aGo t
A continuaci&n veremos los aspectos $ a % de la f&rmula recursiva.
prog_dinamica-3.doc
"1
Prof. Ing. Claudio L. R. Sturla
Aspecto $ KCules son las decisiones permisilesL 4urante cualquier aGo, no podemos pescar
ms roalo del que !a# en el lago. Por lo tanto, en cada estado # para toda t, se dee cumplir
t t
b x /
Aspecto 2 KCules son las utilidades netas otenidas durante el aGo tL Si se pescan
t
x
roalos
durante un aGo en que !a#
t
b
al inicio, la ganancia neta es
( ) ( )
t t t
b x c x r ,
Aspecto % KCul ser el estado durante el aGo t = $L Al final del aGo t !arn
t t
x b
roalos en
el lago. Al iniciar el aGo t = $ estos roalos !arn aumentado 2/ J. (sto significa que al prinF
cipio del aGo t = $, !ar
( )
t t
x b 2 , $
roalos en el lago. Por lo tanto, el estado del aGo t = $ ser
( )
t t
x b 2 , $
Podemos a!ora utili3ar la ecuaci&n *$$) para deducir la f&rmula recursiva adecuada.
4espu5s del aGo T no !a# ganancias futuras que tener en cuenta #, por lo tanto,
( ) ( ) ( ) { }
T T T T
x
T T
b x c x r b f
T
, m>
donde
T T
b x /
Aplicando la Ecuacin (11) otenemos
( ) ( ) ( ) ( ) ( ) { }
t t t t t t
x
t t
x b f b x c x r b f
t
+
+
2 . $ , m>
$ *$2)
en la que
t t
b x /
Para iniciar los clculos, determinamos primero ( )
T T
b f para todo valor que se pueda presentar de
T
b
( ) ( )
$
$,2 $/./// ser podra
T
T
b , Kpor qu5L)
A continuaci&n aplicamos la Ecuacin (12) para regresar !asta !aer calculado ( ) /// . $/
$
f
Luego, para determinar una poltica &ptima de pesca, comen3amos por elegir
$
x como cualquier valor
que alcance el m>imo en la Ecuacin (12) para ( ) /// . $/
$
f
4espu5s, el aGo 2 comen3ar con ( )
$
/// . $/ 2 , $ x roalos en el lago.
(sto quiere decir que se dee elegir
2
x entre cualesquiera de los valores que alcancen el m>imo en la
Ecuacin (12) para ( ) ( )
$ 2
/// . $/ 2 , $ x f
Se contin8a de este modo !asta que se !a#an determinado los valores &ptimos de
T
x x x , , ,
' %

Incorporacin del %alor del Dinero a Tra%'s del Tiempo en Form"laciones de
Pro#ramacin Din&mica
,n punto d5il de este planteamiento es que a las ganancias reciidas durante los aGos futuros se les da
el mismo peso que las que se recien durante los primeros aGos.
Las utilidades posteriores deen tener menos peso que las primeras.
Suponga que para alguna
$
se recie $ ,- al principio del aGo t = $, que es equivalente a ,-
reciidos al principio del aGo t
Podemos incorporar esta idea a la f&rmula recursiva de la programaci&n dinmica replanteando la
Ecuacin (12) de la siguiente manera6
( ) ( ) ( ) ( ) ( ) { }
t t t t t
x
t t
x b b x c x r b f
t
+ 2 , $ , m>
*$2M)
donde
t t
b x /
prog_dinamica-3.doc
"2
Prof. Ing. Claudio L. R. Sturla
+olvemos a definir
( )
t t
b f
como las utilidades netas m>imas (en UM del a t) que se pueden otener
durante los aGos
T t t , , $ , +
Como
$ + t
f
se mide en ,- del aGo t = $, si se multiplica por se convierte
( )
+ $ t
f
a ,- del aGo t = $,
que es @usto lo que deseamos.
(n el Ejemplo +, una ve3 que !emos avan3ado !acia atrs # determinado ( ) /// . $/
$
f , se puede enconF
trar una poltica &ptima de pesca aplicando el mismo m5todo que se e>plic& antes.
(ste m5todo se puede utili3ar para tener en cuenta el valor del dinero a trav5s del tiempo en cualquier
formulaci&n de programaci&n dinmica.
Ejemplo 9
,na planta de energa el5ctrica pronostica que se necesitarn
t
r
NilovatioF!oras *NO!) de capacidad de
generaci&n durante el aGo t
(l aGo actual es el $.
Cada aGo, la empresa dee decidir cunto se dee aumentar la capacidad de generaci&n.
Cuesta
( ) x c
t
,- aumentar la capacidad de generaci&n x NO! durante el aGo t
Como puede ser deseale reducir la capacidad, x puede ser negativa.
4urante cada aGo, el $/ J de la capacidad generadora anterior se vuelve osoleta e in8til *la capacidad
no se vuelve osoleta durante el primer aGo de operaci&n).
A la empresa le cuesta
( ) i m
t
,- mantener i unidades de capacidad durante el aGo t
Al inicio del aGo $, estn disponiles $//./// NO! de capacidad de generaci&n.
Plantee una f&rmula recursiva de programaci&n dinmica que permita a la empresa reducir al mnimo el
costo total de cumplir con las necesidades de energa durante los siguientes T aGos.
,olucin
Duevamente !aremos que el tiempo sea la etapa.
Al principio del aGo t la empresa dee determinar la capacidad *llam5mosle
t
x
) por aGadir durante el
aGo t
Para seleccionar
t
x
en forma adecuada, todo lo que necesita conocer la empresa es la cantidad de capaF
cidad disponile al principio del aGo t *llam5mosle
t
i
).
Por lo tanto, definiremos el estado al principio del aGo t como el nivel actual de la capacidad.
(ntonces podemos revisar los aspectos $ a % de la formulaci&n.
Aspecto $ KAu5 valores de
t
x
son posilesL Para cumplir con las necesidades de demanda
t
r
en
el aGo t, se dee cumplir
t t t
r x i +
, o sea,
t t t
i r x
. Por lo tanto, las
t
x
posiles son aquellos
valores de
t
x
que satisfacen
t t t
i r x
Aspecto 2 K(n qu5 costo se incurre durante el aGo tL Si se agregan
t
x
NO! durante un aGo que
inicia con
t
x
NO! de capacidad disponile, entonces durante el aGo t se incurre en un costo
( ) ( )
t t t t t
x i m x c + +
Aspecto % KCul ser el estado al inicio del aGo t = $L (n ese momento, la empresa tendr
t
i ; , /

NO! de capacidad anterior de generaci&n ms los
t
x
NO! que se aGadieron durante el aGo t. Por
lo tanto, el estado al principio del aGo t = $ ser
t t
x i + ; , /
Podemos usar a!ora la Ecuacin (11) para deducir la ecuaci&n recursiva adecuada.
4efinamos
( )
t t
i f
como el costo mnimo en que incurre la empresa durante los aGos
T t t , , $ , +
, dado
que !a# disponiles
t
i
NO! de capacidad al principio del aGo t
Al principio del aGo T no !a# costos futuros qu5 tomar en cuenta, as que
prog_dinamica-3.doc
";
Prof. Ing. Claudio L. R. Sturla
( ) ( ) ( ) { }
T T T T T
x
T T
x i m x c i f
T
+ + mn
*$%)
en la cual
T
x dee cumplir con
T T T
i r x
Para
T t
( ) ( ) ( ) ( ) { }
t t t t t t t t
x
t t
x i f x i m x c i f
t
+ + + +
+
; , / mn
$ *$')
en ella
t
x
dee cumplir con
t t t
i r x
Si la empresa no inicia con e>ceso de capacidad, podemos suponer con seguridad que el nivel de capaF
cidad nunca ser ma#or que
{ }
t
T t
MA!
r r
, , 2 , $
m>

(sto quiere decir que s&lo necesitamos tener en cuenta los estados
MA!
r , , 2 , $ , /
Para iniciar los clculos, aplicamos (13) para estimar ( ) ( ) ( )
MA! T T T
r f f f , , $ , /
A continuaci&n empleamos (1-) para avan3ar marc!a atrs !asta !aer determinado ( ) /// . $//
$
f
Para calcular la capacidad &ptima que se dee agregar durante cada aGo, se procede del siguiente modo6
durante el aGo $ se agrega una capacidad
$
x que alcance el mnimo en la Ecuacin (1-) para
( ) /// . $//
$
f
Luego la empresa iniciar el aGo 2 con ;/./// =
$
x NO! de capacidad.
4espu5s, durante el aGo 2, se deen aumentar
2
x NO! de capacidad, donde
2
x alcan3a el mnimo en la
Ecuacin (1-) para ( )
$ 2
/// . ;/ x f +
Se contin8a de este modo !asta !aer determinado el valor &ptimo de
T
x
Ejemplo 10
(l gran@ero Porge tiene "./// ,- en efectivo # $./// quintales de trigo.
4urante el mes t, el precio del trigo es
t
"
4urante cada mes dee decidir cuntos quintales de trigo comprar o vender.
7a# tres restricciones para las transacciones de trigo en cada mes6 *$) 4urante cada mes, el dinero gasF
tado en trigo no puede ser ma#or que el disponile en efectivo al principio del mes. *2) 4urante cada
mes, no puede vender ms trigo del que tiene al principio de ese mes. *%) 4eido a limitaciones de caF
pacidad de almacenamiento, el inventario final del trigo en cada mes no puede ser ma#or que $.///
quintales.
Indique c&mo usar la programaci&n dinmica para ma>imi3ar el efectivo que tendr el gran@ero Porge
cuando finalice el 0Q mes.
,olucin
Duevamente !aremos que el tiempo sea la etapa.
Al principio del mes t *el presente es el inicio del mes $) el gran@ero dee decidir cunto vender del
trigo en e>istencia.
4efinimos a
t
#
como la variaci&n en almacenamiento de trigo durante el mes
/ 6
t
# t
corresponde
a una compra de trigo en el mes t, #
/
t
#
a una venta de trigo en el mes t
Para determinar un valor &ptimo de
t
#
deemos conocer dos cosas6 la cantidad de trigo en odega al
principio del mes t *llam5mosle
t
#
), # el efectivo disponile al principio del mes t *llam5mosle
t
c
).
4efinimos
( )
t t t
# c f ,
como la cantidad m>ima de efectivo que puede otener el gran@ero Porge al final
del mes 0, dado que tiene
t
c
,- #
t
#
quintales de trigo al principio del mes t
Los aspectos $ a % de la formulaci&n son6
prog_dinamica-3.doc
0/
Prof. Ing. Claudio L. R. Sturla
Aspecto 1 KCules son las decisiones permisilesL Si
( )
t t
# c ,
es el estado en el tiempo t, entonF
ces las restricciones $ a % !acen que
t
#
se comporte del siguiente modo6
( )
t
t
t t t t
"
c
# c # " ien o
que asegura que no se terminar el efectivo al final del mes t. La desigualdad
t t
# #
aseF
gura que durante el mes t no venderemos ms trigo que el que tenamos al principio del mes t, #
/// . $ +
t t
# #
, o ien
t t
# # /// . $
, asegura que terminaremos el mes t con un m>imo
de $./// quintales de trigo. Reuniendo estas tres restricciones vemos que

'

t
t
t
t t
#
"
c
# # /// . $ , mn
que asegura que se cumplan las restricciones $ a % durante el mes t
Aspecto 2 Como el gran@ero Porge desea ma>imi3ar su efectivo al final del mes 0, no se otieF
nen utilidades durante los meses $ a ". (n efecto, durante esos meses vemos la contailidad para
seguir la posici&n de los ienes del gran@ero. 4espu5s, durante el mes 0, convertimos en efectivo
todos sus ienes.
Aspecto 3 Si el estado actual es
( )
t t
# c ,
# Porge camia en
t
#
su e>istencia de trigo en el mes
t, Kcul ser el nuevo estado al inicio del mes t = $L (l efectivo disponile aumentar
( )
t t
" #
,
# la e>istencia de trigo de Porge aumentar
t
#
Por lo tanto, el estado del mes t = $ ser
( ) ( )
t t t t t
# # " # c + ,
Podemos a!ora usar la Ecuacin (11) para deducir la relaci&n recursiva adecuada.
Para ma>imi3ar su estado de efectivo al final del mes 0, Porge dee convertir su trigo del mes 0 en
efectivo, vendi5ndolo todo.
(sto significa que
0 0
# #
Con ello llegamos a la siguiente relaci&n6
( )
0 0 0 0 0 0
, " # c # c f +
*$")
Con la Ecuacin (11), otenemos para
0 t
( ) ( ) ( ) { }
t t t t t t
#
t t t
# # " # c f # c f
t
+ +
+

, / m> ,
$ *$0)
en la cual
t
#
dee cumplir con

'

t
t
t
t t
#
"
c
# # /// . $ , mn
Iniciamos los clculos determinando
( )
0 0 0
, # c f
para todos los estados que se puedan presentar durante
el mes 0.
Luego usamos la Ecuacin (1.) para avan3ar en reversa !asta !aer calculado ( ) /// . $ , /// . "
$
f
A continuaci&n el gran@ero Porge dee elegir
$
# para alcan3ar el valor m>imo de ( ) /// . $ , /// . "
$
f en
la Ecuacin (1.), # un estado
( ) ( )
$ $
/// . $ , /// . " # # "
t
+
para el mes 2.
prog_dinamica-3.doc
0$
Prof. Ing. Claudio L. R. Sturla
Porge dee elegir luego
2
# para alcan3ar el valor m>imo de ( ) ( )
$ $ $ 2
/// . $ , /// . " # # " f + en la
Ecuacin (1.).
Continuamos de esta manera !asta que se !a#a determinado el valor &ptimo de
0
#
Ejemplo 11
Sunco Eil necesita otener la suficiente capacidad de refinaci&n para procesar "/./// arriles de aceite
por da # $/./// de gasolina, tami5n por da.
Sunco puede aumentar la capacidad en cuatro lugares.
(l costo de construcci&n de refinera en el lugar t que tiene la capacidad de refinaci&n de x arriles diaF
rios de aceite # $ arriles de gasolina es
( ) $ x c
t
,
Con programaci&n dinmica determine cunta capacidad dee estar uicada en cada uno de los cuatro
lugares.
,olucin
Si Sunco s&lo tuviera un lugar d&nde refinar, el prolema sera fcil de resolver.
Luego, Sunco podra resolver un prolema en el que se tuvieran dos lugares posiles de refinaci&n #,
por 8ltimo el prolema con cuatro lugares.
Por esta ra3&n, !aremos que la etapa represente el n8mero de lugares disponiles para refinaci&n.
(n cualquier etapa, Sunco dee determinar cunta capacidad de aceite # de gasolina dee construir en
el lugar dado.
Para !acerlo, la empresa dee saer cunta capacidad de refinaci&n para cada tipo de producto dee
construir en los lugares disponiles.
A continuaci&n definimos
( )
t t t
g f ,
como el costo mnimo de construcci&n de capacidad para
t

aF
rriles diarios de refinaci&n de aceite #
t
g
arriles diarios de capacidad de refinaci&n de gasolina en los
lugares
' , , $ , + t t
Para determinar ( )
' ' '
, g f , n&tese que si s&lo se dispone del lugar ', Sunco dee construir una refineF
ra en ese lugar con
'
arriles de capacidad de aceite #
'
g de gasolina.
(sto significa que ( ) ( )
' ' ' ' ' '
, , g c g f
Para t < $, 2, % podemos determinar
( )
t t t
g f ,
notando que si construimos una refinera en el lugar t #
podemos refinar
t
x
arriles de aceite por da #
t
$
de gasolina por da, incurriremos en un costo
( )
t t t
g c ,
en el lugar t
(ntonces necesitamos construir una capacidad total de refinaci&n de aceite igual a
t t
x
# de gasolina
igual a
t t
$ g
en los lugares
' , , 2 , $ + + t t
Seg8n el principio de optimalidad, el costo de !acer lo anterior ser
( )
t t t t t
$ g x f
+
,
$
Como se dee cumplir con
t t t t
g $ x / # /
, otenemos la siguiente f&rmula recursiva6
( ) ( ) ( ) { }
t t t t t t t t t t t
$ g x f g c g f +
+
, / , mn ,
$
*$1)
en la cual
t t t t
g $ x / # /
Como de costumre, avan3amos !acia atrs !asta !aer determinado ( ) /// . $/ , /// . "
$
f
(ntonces Sunco elige
$ $
e $ x tales que se alcance el mnimo en la Ecuacin (17) para
( ) /// . $/ , /// . "
2
f
4espu5s Sunco dee elegir
2 2
e $ x !asta alcan3ar el mnimo en la Ecuacin (17) para
( )
$ $ 2
/// . $/ , /// . " $ x f
As contin8a Sunco !asta determinar los valores &ptimos de
' '
e $ x
prog_dinamica-3.doc
02
Prof. Ing. Claudio L. R. Sturla
Pro#ramacin Din&mica Probabil(stica
4e nuestro estudio de la programaci&n dinmica determinista recordemos que muc!as f&rmulas eran de
la forma6
( ) ( ) ( ) ( ) nuevo estado actual etapa la durante costos m> o mn actual estado
$
posiles decisiones las todas
+
+
t t
f f
Para los e@emplos vistos era suficiente una especificaci&n del estado # de la decisi&n actuales para deF
cirnos cn certe%a el estado nuevo # los costos durante el estado actual.
(n muc!os prolemas prcticos es posile que no se cono3ca con certe3a el costo del periodo actual o
el del siguiente periodo, aun cuando se cono3can el estado # la decisi&n actuales.
Por e@emplo, en el modelo de inventario supusimos que la demanda de cada periodo se conoca al inicio
del prolema.
(n la ma#ora de los casos ser ms real suponer que la demanda del periodo t es una variale aleatoria
cu#o valor no se conoce !asta despu5s de !aer tomado la decisi&n de producci&n de ese perodo.
Aun si conocemos el estado *nivel de inventario al inicio) actual del periodo, as como la decisi&n *proF
ducci&n durante el periodo actual), el estado del siguiente periodo # el costo del periodo actual sern
variales aleatorias cu#os valores no se conocen !asta que se cono3ca el valor de la demanda del peF
riodo t
A!ora e>plicaremos c&mo usar la programaci&n dinmica para resolver prolemas en los que el costo
del periodo actual o el estado del siguiente periodo son aleatorios.
A estos prolemas se les llama de "rgramaci&n dinmica "rbabilstica, o P4P.
(n un P4P la meta de quien toma las decisiones es en general minimi3ar el costo incurrido esperado o
ma>imi3ar la recompensa esperada que se gana en un determinado !ori3onte de tiempo.
E)emplo en el !"e son Inciertos los Costos de la Etapa Act"al* pero est& Determinado
el Estado del Per(odo +i#"iente
Aqu se conoce con certe3a el estado del perodo siguiente, pero no se conoce con certe3a la recomF
pensa que se gana durante el periodo actual, dado el estado # la decisi&n actuales.
Ejemplo 101
La cadena de supermercados Poroto compra a una lec!era local, a un precio de $ ,-Rl, 0 l de lec!e.
Cada l se vende en las tres tiendas de la cadena a 2 ,-Rl.
La lec!era compra la lec!e sorante a /," ,-Rl al t5rmino del da.
4esgraciadamente para Poroto, es incierta la demanda en cada una de sus tres tiendas.
Los datos acumulados indican que la demanda diaria en cada tienda es como la que se muestra en la
/a"la 101.
4(-AD4A 4IARIA
*l)
PRESASILI4A4
9ienda $ $ /,0/
2 /
% /,'/
9ienda 2 $ /,"/
2 /,$/
% /,'/
9ienda % $ /,'/
2 /,%
% /,%
/a"la 101
prog_dinamica-3.doc
0%
Prof. Ing. Claudio L. R. Sturla
4istriuciones de proailidad para la demanda diaria de lec!e
Poroto desea asignar los 0 l de lec!e a las tres tiendas para ma>imi3ar la ganancia neta diaria *ingresos
menos costos) que da la lec!e.
-ediante la programaci&n dinmica determine c&mo dee asignar Poroto los 0 l de lec!e entre sus
tiendas.
,olucin
Con e>cepci&n del !ec!o de que la demanda *#, por lo tanto, la ganancia) es incierta, este prolema es
mu# seme@ante a los prolemas de asignaci&n de recursos de la programaci&n dinmica determinstica.
Eservemos que como los costos diarios de compra de Poroto siempre son 0 ,-, podemos concentrar
nuestra atenci&n al prolema de asignar la lec!e para elevar al m>imo la ganancia diaria esperada deF
ida a los 0 l
4efiniremos
( )
( ) % , , $ , tiendas las a asignados l de esperada m>ima ganancia
tienda la a asignados l de esperada ganancia
+

t t x x f
t g g r
t
t t t
Como
( ) x f
%
dee, por definici&n, ser la ganancia m>ima esperada por asignar x l de lec!e a la tienda
%, vemos que
( ) ( ) x r x f
% %

Para t < $, 2, podemos escriir
( ) ( ) ( ) { }
t t t t
g
t
g x f g r x f
t
+
+ $
m>
*$/$)
en la que
t
g
dee ser miemro de H/, $, T, x0
La Ecuacin (101) se deduce porque para cualquier selecci&n de
t
g
*el n8mero de l asignados a la
tienda t), la ganancia esperada de la tienda
% , , $ , + t t
ser la suma de la ganancia esperada de la
tienda t si se asignan
t
g
l a ella, ms la ganancia m>ima esperada que se puede otener de las tiendas
% , , $ , + t t
cuando se asignan
t
g x
l a esas tiendas.
Para calcular la asignaci&n &ptima de lec!e a las tiendas, comen3aremos por calcular
( ) ( ) ( ) 0 , , $ , /
% % %
f f f
A continuaci&n emplearemos la Ecuacin (101) para calcular ( ) ( ) ( ) 0 , , $ , /
2 2 2
f f f
Por 8ltimo calcularemos ( ) 0
$
f
Comen3aremos por calcular las
( )
t t
g r
D&tese que no tendra o@eto asignar ms de % l a alguna tienda.
Por este motivo, calculamos las
( )
t t
g r
s&lo para x < /, $, 2 # %.
Por e@emplo, calcularemos
( ) 2
%
r
, la recompensa esperada si se asignan 2 l a la tienda %.
Si la demanda en esa tienda es de 2 o ms l, se vendern los dos l asignados a la tienda %, # se tendr
una ganancia de 2 ,-.
Si la demanda en la tienda % es $ l, se vender $ l a 2 ,- # se otendrn /,"/ ,- por la lec!e deF
vuelta.
Por lo tanto, si la demanda en la tienda % es de $ l, se otendr una ganancia de /," ,-.
Como !a# una proailidad de /,0/ de que la demanda en la tienda % sea de 2 o ms l # una proailiF
dad de /,'/ de que sea por $ l se conclu#e que
( ) ( ) + + "/ , / . '/ , / 2 % , / %/ , / 2
%
r
$,'/ ,-
Con clculos seme@antes llegamos a los resultados siguientes6
prog_dinamica-3.doc
0'
Prof. Ing. Claudio L. R. Sturla
( ) ( ) ( )
( ) ( ) ( ) ,- $,// $ ,- // , $ $ ,- // , $ $
,- / / ,- / / ,- / /
$ 2 %
$ 2 %


r r r
r r r
( ) ( ) ( )
( ) ( ) ( ) ,- 2/ , ' % ,- %" , ' % ,- %" , ' %
,- $/ , % 2 ,- 2" , % 2 ,- '/ , $ 2
$ 2 %
$ 2 %


r r r
r r r
(mplearemos a!ora la Ecuacin (101) para determinar una asignaci&n &ptima de la lec!e a la tienda.
Ser
( ) x g
t
una asignaci&n de la lec!e a la tienda t que otiene
( ) x f
t
(ntonces
( ) ( ) ( )
( ) ( ) ( ) $ $ // , 2 $ $
/ / / / /
% % %
% % %


g r f
g r f
( ) ( ) ( )
( ) ( ) ( ) % % %" , ' % %
2 2 '/ , % 2 2
% % %
% % %


g r f
g r f
Do necesitamos calcular
( ) ( ) ( ) 0 & " , '
% % %
f f f
porque la asignaci&n &ptima no tendr ms de % l para
asignar a una sola tienda.
La demanda en cualquier tienda nunca es ms de % l.
(mpleando la Ecuacin (101) para avan3ar en reversa, otenemos
( ) ( ) ( ) ( ) / / / / / / /
2 % 2 2
+ g f r f
( )
( ) ( )
( ) ( )
( ) $ & / $
. // , 2 $ $ $
. // , 2 / $ /
m> $
2
% 2
% 2
2

'

+
+
g
f r
f r
f
( )
( ) ( )
( ) ( )
( ) ( )
( ) $ 2
'/ , % '/ , % / 2 2 2
. // , ' // , 2 // , 2 $ 2 $
'/ , % '/ , % / / 2 /
m> 2
2
% 2
% 2
% 2
2

'

+ +
+ +
+ +
g
f r
f r
f r
f
( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) $ %
%" , ' / %" , ' % % %
2" , " // , 2 2" , % 2 % 2
. '/ , " '/ , % // , 2 $ % $
%" , ' %" , ' / / % /
m> %
2
% 2
% 2
% 2
% 2
2

'

+ +
+ +
+ +
+ +
g
f r
f r
f r
f r
f
D&tese que al calcular ( ) ( ) ( ) 0 # " , '
2 2 2
f f f no necesitamos tener en cuenta alguna asignaci&n de ms de
% l a la tienda 2, o alguna que de@e ms de % l para la tienda %.
( )
( ) ( )
( ) ( )
( ) ( )
( ) 2 '
%" , 0 // , 2 %" , ' % ' %
. 0" , 0 '/ , % 2" , % 2 ' 2
%" , 0 %" , ' // , 2 $ ' $
m> '
2
% 2
% 2
% 2
2

'

+ +
+ +
+ +
g
f r
f r
f r
f
( )
( ) ( )
( ) ( )
( ) % "
. 1" , 1 '/ , % %" , ' % " %
0/ , 1 %" , ' 2" , % 2 " 2
m> "
2
% 2
% 2
2

'

+ +
+ +
g
f r
f r
f
( ) ( ) ( ) ( ) 0 . 1/ , 2 %" , ' %" , ' % 0 % 0
2 % 2 2
g f r f + +
Por 8ltimo,
prog_dinamica-3.doc
0"
Prof. Ing. Claudio L. R. Sturla
( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) 2 & $ 0
0/ , ; '/ , " 2/ , ' % 0 %
. 1" , ; 0" , 0 $/ , % 2 0 2
. 1" , ; 1" , 1 // , 2 $ 0 $
1/ , 2 1/ , 2 / / 0 /
m> 0
$
2 $
2 $
2 $
2 $
$

'

+ +
+ +
+ +
+ +
g
f r
f r
f r
f r
f
E sea, podemos asignar $ o 2 l a la tienda $.
Supongamos que elegimos aritrariamente asignar $ l a la tienda $.
(ntonces tenemos 0 U $ < " l para las tiendas 2 # %.
Como ( ) "
2
f se alcan3a con ( ) % "
2
g , asignamos % l a la tienda 2.
(ntonces quedan disponiles " U % < 2 l para asignar a la tienda %.
Como
( ) 2 2
%
g
, asignamos 2 l a la tienda %.
D&tese que aunque esta poltica saca la ganancia m>ima esperada, ( ) 1" , ; 0
$
f ,-, la ganancia total
que se recie en realidad en un da determinado puede ser ma#or o menor que ;.1" ,-.
Por e@emplo, si la demanda en cada tienda fuera $ l, la ganancia total seria %.2 = %./,"/ < 1,"/ ,-,
mientras que si la demanda en cada tienda fueran % l, toda la lec!e se vendera a 2 ,-Rl # la ganancia
total sera 0.2 < $2.// ,-.
Modelo Probabil(stico de In%entario
(n esta secci&n modificaremos el modelo de inventario visto en programaci&n dinmica determinstica
para permitir demanda incierta.
Con ello se vern las dificultades que se presentan al resolver un P4P para el cual es incierto el estado
durante el siguiente periodo, dado el estado actual # la decisi&n actual.
Ejemplo 102
Se tiene el siguiente prolema de inventario en tres periodos6 Al principio de cada periodo una empresa
dee determinar cuntas unidades producir durante el periodo actual.
4urante un periodo en el que se producen x unidades, se incurre en un costo de producci&n ( ) x c , donde
c*/) < /, # para x V /, ( ) x x c 2 %+
La producci&n durante cada periodo se limita a un m>imo de ' unidades.
4espu5s de producir, se oserva la demanda aleatoria del periodo.
La demanda de cada periodo puede ser de $ & 2 unidades, con igual proailidad.
4espu5s de satisfacer la demanda del periodo actual con la producci&n # el inventario actuales, se evaF
l8a el inventario de fin de periodo # se carga un costo de almacenamiento de $ ,- por unidad.
4eido a lo limitado de la capacidad, el inventario al final de cada periodo no puede ser ma#or que %
unidades.
Se necesita satisfacer a tiempo toda la demanda.
Cualquier inventario que se tenga al final del periodo % se puede vender a 2 ,- por unidad.
Al inicio del periodo $, la empresa tiene $ unidad en inventario.
,tilice la programaci&n dinmica para determinar una poltica de producci&n que minimice el costo
neto esperado incurrido durante los tres periodos.
,olucin
4efinimos
( ) i f
t
como el costo neto esperado en que se !a incurrido durante los periodos
% , , $ , + t t
dado que el inventario al inicio del periodo t es i unidades.
(ntonces
( ) ( ) ( ) ( ) ( ) ( )

'

,
_

,
_

,
_

+ +

,
_

+ 2 2
2
$
$ 2
2
$
2
2
$
$
2
$
mn
%
x i x i x i x i x c i f
x
*$/2)
prog_dinamica-3.doc
00
Prof. Ing. Claudio L. R. Sturla
donde x dee pertenecer a { } ' , % , 2 , $ , / # dee cumplir con ( ) ( ) i x i ' 2
Se llega a la Ecuacin (102) porque si se producen x unidades durante el periodo %, el costo neto duF
rante ese periodo es
*costo esperado de producci&n) = *costo esperado de almacenamiento) F *valor de recuperaci&n
esperado)
Si se producen x unidades, el costo esperado de producci&n es ( ) x c # !a# proailidad $R2 de que el
costo de almacenamiento del periodo % sea i = x U $, # proailidad $R2 de que ese costo sea i = x U 2
(ntonces, el costo esperado de almacenamiento del periodo % ser
( ) ( ) 2 R % 2
2
$
$
2
$
+ +

,
_

+ +

,
_

x i x i x i
Ra3onamientos seme@antes indican que el valor esperado de recuperaci&n *que es un costo negativo) al
final del periodo % ser
( ) ( ) % 2 2 2 2 2 2
2
$
$ 2
2
$
+ + +

,
_

+ +

,
_

x i x i x i x i
Para asegurar que se satisface la demanda del periodo %, deemos tener 2 + x i , o sea i x 2
Igualmente, para asegurar que el inventario al final del periodo % no sea ma#or que % unidades, deeF
mos tener que % $ + x i , o sea i x '
Para t < $, 2 podemos deducir una relaci&n recursiva para
( ) i f
t
si notarnos que para cualquier nivel de
producci&n x en el mes t, los costos esperados en que se incurre durante los periodos
% , , $ , + t t
son
la suma de los costos esperados incurridos durante el periodo t # los incurridos durante los periodos
% , , 2 , $ + + t t
Como antes, si se producen x unidades durante el mes t, el costo esperado durante ese mes ser
( ) ( ) ( ) 2
2
$
$
2
$
+

,
_

+ +

,
_

+ x i x i x c
D&tese que durante los periodos $ # 2 no se recie valor de recuperaci&n.
Si se producen x unidades durante el mes t, el costo esperado durante los periodos
% , , 2 , $ + + t t
se
calcula como sigue6 la mitad de las veces, la demanda durante el periodo t ser $ unidad # el inventario
al inicio del periodo t = $ ser i = x U $
(n este caso, los costos esperados en que se incurre durante los periodos
% , , 2 , $ + + t t
, suponiendo
que actuamos de manera &ptima durante esos periodos, es
( ) $
$
+
+
x i f
t
Igualmente, !a# proailidad $R2 de que el inventario al inicio del periodo t = $ sea i = x U 2
(n este caso, el costo esperado incurrido durante los periodos
% , , 2 , $ + + t t
, ser
( ) 2
$
+
+
x i f
t
(n resumen, el costo esperado durante los periodos
% , , 2 , $ + + t t
ser
( ) ( ) 2
2
$
$
2
$
$ $
+

,
_

+ +

,
_

+ +
x i f x i f
t t
Con lo anterior in mente, podernos escriir, para t < $, 2,
( ) ( ) ( ) ( ) ( ) ( )
1
]
1

,
_

+ +

,
_

+ +

,
_

+ +

,
_

+
+ +
2
2
$
$
2
$
2
2
$
$
2
$
mn
$ $
x i f x i f x i x i x c i f
t t
x
t
*$/%)
en la cual x dee pertenecer a { } ' , % , 2 , $ , / # dee cumplir con ( ) ( ) i x i ' 2
:enerali3ando el ra3onamiento que condu@o a la Ecuacin (103) se otiene la siguiente oservaci&n
importante acerca de la formulaci&n de los P4P6 Supongamos que los estados posiles durante el peF
riodo t = $ son
n
s s s , , ,
2 $

# que la proailidad de que el estado del periodo t = $ sea
i
s
es
i
"
prog_dinamica-3.doc
01
Prof. Ing. Claudio L. R. Sturla
(ntonces el costo mnimo esperado en que se incurre durante los periodos t = $, t = 2, ..., t5rmino del
prolema, es
( )

+
n i
i
i t i
s f "
$
$
donde
( )
i t
s f
$ +
es el costo mnimo esperado en que se incurre desde el periodo t = $ !asta el final del
prolema, dado que el estado durante el periodo t = $ es
i
s
4efinimos
( ) i x
t
como un nivel de producci&n en el perodo t que alcance el mnimo de la Ecuacin
(103) para
( ) i f
t
A!ora se dee ir !acia atrs !asta determinar ( ) $
$
f
Los clculos importantes se resumen en las /a"las 3, -, # 1.
Como el inventario final de cada perodo dee ser no negativo # no puede ser ma#or de % unidades, el
estado durante cada perodo dee ser /, $, 2 & %.
i x ( ) x c
CES9E (SP(RA4E
4(
AL-AC(DA-I(D9E
( ) 2 R % + x i
CES9E (SP(RA4E
4(
R(C,P(RACIBD
( ) % 2 2 + x i
CES9E
(SP(RA4E
9E9AL
( )
( ) i x
i f
%
%
% / / %R2 % U%R2.
% $ "
"R2 "
"R2
( )
( ) / %
2 R % %
%
%

x
f
2 / / $R2 $ U$R2.
2 $ " %R2 % 1R2
2 2 1 "R2 " ;R2
( )
( ) / 2
2 R $ 2
%
%

x
f
$ $ " $R2 $ ;R2.
$ 2 1 %R2 % $$R2
$ % ; "R2 " $%R2
( )
( ) $ $
2 R ; $
%
%

x
f
/ 2 1 $R2 $ $%R2.
/ % ; %R2 % $"R2
/ ' $$ "R2 " $1R2
( )
( ) 2 /
2 R $% /
%
%

x
f
prog_dinamica-3.doc
02
Prof. Ing. Claudio L. R. Sturla
/a"la 103
Clculos para
( ) i f
%
i x ( ) x c
CES9E (SP(RA4E
4(
AL-AC(DA-I(D9E
( ) 2 R % + x i
CES9E (SP(RA4E
W,9,RE
( )
( ) 2
2
$
$
2
$
%
%
+

,
_

+ +

,
_

x i f
x i f
CES9E
(SP(RA4E
9E9AL
P(RXE4ES
2 C %
( )
( ) i x
i f
2
2
% / / %R2 2 1R2.
% $ " "R2 U$ $%R%
( )
( ) / %
2 R 1 %
2
2

x
f
2 / / $R2 $$R2 0.
2 $ " %R2 2 $1R2
2 2 1 "R2 U$ $1R2
( )
( ) / 2
0 2
2
2

x
f
$ $ " $R2 $$R2 $$
$ 2 1 %R2 2 2$R2.
$ % ; "R2 U$ 2$R2.
( )
( ) % & 2 $
2 R 2$ $
%
2

x
f
/ 2 1 $R2 $$R2 $%
/ % ; %R2 2 2"R2.
/ ' $$ "R2 U$ 2"R2.
( )
( ) ' & % /
2 R 2" /
2
2

x
f
/a"la 10-
Clculos para ( ) i f
2
x ( ) x c
CES9E (SP(RA4E
4(
AL-AC(DA-I(D9E
( ) 2 R % + x i
CES9E (SP(RA4E
W,9,RE
( )
( ) 2
2
$
$
2
$
2
2
+

,
_

+ +

,
_

x i f
x i f
CES9E
(SP(RA4E
9E9AL
P(RXE4ES
$ A %
( )
( ) $
$
$
$
x
f
$ " $R2 2%R2 $1
2 1 %R2 %%R' 01R'
% ; "R2 $;R' 0"R'.
( )
( ) % $
' R 0" $
$
$

x
f
/a"la 101
Clculos para
( ) $
i
f
Comen3amos por producir ( ) % $
$
x unidades durante el perodo $.
Sin emargo, no podemos determinar el nivel de producci&n del perodo 2 !asta que se oserve la deF
manda del perodo $.
Asimismo el nivel de producci&n del perodo % no se puede determinar !asta que se oserve la deF
manda del perodo 2.
Para mostrar esta idea, determinaremos el programa &ptimo de producci&n si las demandas durante los
perodos $ # 2 son amas de 2 unidades.
Como ( ) % %
$
x , se producirn % unidades durante el periodo $.
(ntonces el periodo 2 comen3ar con un inventario de $ = % U 2 < 2 unidades #, por lo tanto se deen
producir ( ) / /
2
x unidades.
prog_dinamica-3.doc
0;
Prof. Ing. Claudio L. R. Sturla
4espu5s de satisfacer la demanda de 2 unidades del periodo 2, comen3ar el periodo % con 2 U 2 < /
unidades en e>istencia.
E sea que en el perodo % se producirn
( ) 2 /
%
x
unidades.
Por el contrario, supongamos que las demandas durante los periodos $ # 2 son amas de $ unidad.
Como antes, se producirn ( ) % $
$
x unidades durante el periodo $.
(ntonces el periodo 2 se iniciar con $ = % U $ < % unidades # se producirn ( ) / %
2
x unidades duF
rante el periodo 2.
(ntonces el periodo % se iniciar con % U $ < 2 unidades en e>istencia # se producirn
( ) / 2
%
x
uniF
dades durante ese periodo.
D&tese que la poltica &ptima de producci&n se !a adaptado a la a@a demanda al reducir la producci&n
del periodo %.
(ste e@emplo muestra un aspecto importante de las soluciones de programaci&n dinmica en las que no
se conocen los estados futuros con certe3a al inicio del prolema6 'i un factr aleatri (cm la de(
manda aleatria) influ$e las transicines del estad del "erid t al estad del "erid t ) *, la acci&n
&"tima "ara el "erid t n se "uede determinar +asta ,ue se cn%ca el estad t.
Actuali3ado al $$R1R2.//%
46YID+(S9I:ACIBD EP(RA9I+AY4IDZ-ICA %
prog_dinamica-3.doc
1/