Programación Dinámica
|
|
- María Elena Peña Escobar
- hace 7 años
- Vistas:
Transcripción
1 Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 30 Programación Dinámica ICS 1102 Optimización Profesor : Claudio Seebach 20 de noviembre de 2006 Apuntes de Clases Optimización Claudio Seebach Programación Dinámica 2 Programación Dinámica Transforma un problema de optimización complejo en una secuencia de problemas más simples Generalmente se comienza con el final y se trabaja hacia atrás Es aplicable a un rango muy amplio de problemas Está basado en la recursión y en el principio de optimalidad Fue desarrollado por Richard Bellman en 1953 Apuntes de Clases Optimización Claudio Seebach Programación Dinámica 3
2 El juego de los fósforos Supongamos que hay 30 fósforos en una mesa. Yo comienzo eligiendo 1, 2 o 3 fósforos. Luego mi contrincante debe elegir 1, 2 o 3 fósforos. Se sigue de esta forma hasta que alguien saca el último fósforo. El jugador que toma el último fósforo pierde el juego. como puedo yo (el primer jugador) asegurarme de ganar el juego? se podrá? Apuntes de Clases Optimización Claudio Seebach Programación Dinámica 4 El juego de los fósforos Yo gano si le dejo un fósforo en la mesa a mi contrincante Retrocediendo un paso, yo gano si me toca jugar y quedan 2, 3 o 4 fósforos en la mesa Retrocediendo otro paso, yo gano si dejo 5 fósforos a mi contrincante Retrocediendo otro paso, yo gano si me toca jugar y quedan 6, 7 u 8, para dejarle 5 a mi contrincante. Retrocediendo otro paso, yo gano si dejo 9 fósforos a mi contrincante Conclusión: Yo gano si dejo 1, 5, 9,..., 4n + 1 fósforos en la mesa al jugar. Si hay 30 fósforos, y juego yo, basta sacar uno y dejarle 29 ( ) fósforos para ganar Apuntes de Clases Optimización Claudio Seebach Programación Dinámica 5
3 El problema de la diligencia Apuntes de Clases Optimización Claudio Seebach Programación Dinámica 6 El problema de la diligencia Observación: Escoger siempre el arco más barato no es necesariamente lo mejor: A B F I J A D F? cómo modelar el problema con las metodologías ya vistas? Apuntes de Clases Optimización Claudio Seebach Programación Dinámica 7
4 El problema de la diligencia Si estamos en H la decisión es obvia (y única) Si estamos en F : c F,H + c H,J o c F,I + c I,J o bien: c F,H + costo óptimo de H a J o c F,I + costo óptimo de I a J Apuntes de Clases Optimización Claudio Seebach Programación Dinámica 8 El problema de la diligencia En el problema hay 4 decisiones que tomar para las etapas: 1, 2, 3,4 En cada etapa estaremos en un estado posible y deberemos tomar una decisión Sea: v n (s) = el costo mínimo para las etapas n, n + 1,..., N si en la etapa n estamos en el estado s Supongamos que d representa el siguiente destino escogido. Sea c(s, d) el costo asociado al arco s d. Entonces: v n (s) = min {c(s, d) + v n+1(d)} d factibles Esta es la recursión básica de programación dinámica. Se resuelve de atrás hacia adelante. Condición de borde: v 5 (J) = 0. Apuntes de Clases Optimización Claudio Seebach Programación Dinámica 9
5 Ejemplo asignación de recursos a proyectos Hay 3 proyectos en los cuales invertir. Si invierto x i pesos (en millones) en el proyecto i, recibo un Valor Presente Neto (VPN) de r i (x i ): r 1 (x 1 ) = 7x x 1 > 0 r 2 (x 2 ) = 3x x 2 > 0 r 3 (x 3 ) = 4x x 3 > 0 r 1 (0) = r 2 (0) = r 3 (0) = 0 El monto invertido en cada proyecto debe ser un múltiplo entero de 1 millón. Se tiene en la actualidad un presupuesto de $ 6 millones (6 unidades de un millón), cuánto y cómo debo invertir para maximizar el retorno? Apuntes de Clases Optimización Claudio Seebach Programación Dinámica 10 Asignación de recursos a proyectos Matemáticamente el retorno, con N proyectos, está dado por: N max r i (x i ) s. a i=1 N x i = X i=1 x i = 0, 1, 2,..., X En el ejemplo max{r 1 (x 1 ) + r 2 (x 2 ) + r 3 (x 3 )} s. a x 1 + x 2 + x 3 = 6 x i N i = 1, 2, 3 Apuntes de Clases Optimización Claudio Seebach Programación Dinámica 11
6 Asignación de recursos a proyectos Podemos usar programación dinámica Si solo queda una etapa, el problema sería facil de resolver. retrocediendo, cuando queden dos etapas, tres etapas, etc. Luego, Podemos definir la etapa n como el momento cuando tengo que asignar recursos a las etapas n, n + 1,..., 3. Sea: v n (x) = máximo retorno que puedo obtener de los proyectos n, n + 1,..., N si dispongo de x unidades de capital para ellos. v n (x) = max {r n(x n ) + v n+1 (x x n )} x n =0,1,...,X x n (x) = arg max {r n(x n ) + v n+1 (x x n )} x n =0,1,...,X v N (x) = r N (x) Condición de borde (i.e. un dato) El valor óptimo del problema es v 1 (X). En nuestro ejemplo v 1 (6). Apuntes de Clases Optimización Claudio Seebach Programación Dinámica 12 Asignación de recursos a proyectos Como son multiplos enteros de 1 millón y no podemos tener más de 6 para invertir, los estados posibles son 0, 1, 2, 3, 4, 5 y 6. Determinemos v 3 (x) y x 3 (x): v 3 (0) = 0 x 3 (0) = 0 v 3 (1) = 9 x 3 (1) = 1 v 3 (2) = 13 x 3 (2) = 2 v 3 (3) = 17 x 3 (3) = 3 v 3 (4) = 21 x 3 (4) = 4 v 3 (5) = 25 x 3 (5) = 5 v 3 (6) = 29 x 3 (6) = 6 Esto es, siempre conviene invertir todo el capital si hay un solo proyecto Apuntes de Clases Optimización Claudio Seebach Programación Dinámica 13
7 Asignación de recursos a proyectos Determinemos v 2 (x) y x 2 (x): x x 2 r 2 (x 2 ) v 3 (x x 2 ) r 2 + v x x 2 r 2 (x 2 ) v 3 (x x 2 ) r 2 + v Apuntes de Clases Optimización Claudio Seebach Programación Dinámica 14 Asignación de recursos a proyectos De la tabla anterior obtenemos los v 2 (x) y x 2 (x) óptimos: v 2 (0) = 0 x 2 (0) = 0 v 2 (1) = 10 x 2 (1) = 1 v 2 (2) = 19 x 2 (2) = 1 v 2 (3) = 23 x 2 (3) = 1 v 2 (4) = 27 x 2 (4) = 1 v 2 (5) = 31 x 2 (5) = 1 v 2 (6) = 35 x 2 (6) = 1 Si hay capital, siempre conviene invertir un millón en el proyecto 2 y el resto siempre en el 3. Apuntes de Clases Optimización Claudio Seebach Programación Dinámica 15
8 Asignación de recursos a proyectos Finalmente buscamos v 1 (6) y x 1 (6) óptimo: x x 1 r 1 (x 1 ) v 2 (6 x 1 ) r 1 + v El retorno óptimo es v 1 (6) = 49 y la inversión óptima de los $ 6 mill. es $ 4 en el primero, $ 1 en el segundo y $ 1 en el tercer proyecto. v 1 (6) = = 49 x 1 (6) = 4 v 2 (2) = = 19 x 2 (2) = 1 v 3 (1) = 9 x 3 (1) = 1 Apuntes de Clases Optimización Claudio Seebach Programación Dinámica 16
Jueves, 30 de abril. Ejemplo de recursión. Ejemplo de PD. Ejemplo de programación dinámica. Programación dinámica
.0 Jueves, 0 de abril Programación dinámica. Recursión. Principio de optimalidad. Entregas: material de clase. Programación dinámica Transforma un problema de optimización complejo en una secuencia problemas
Más detallesIntroducción a Programación Lineal
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 18 Programación Lineal ICS 1102 Optimización Profesor : Claudio Seebach 4 de octubre de 2005
Más detallesPasos en el Método Simplex
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 20 El Método Simplex ICS 1102 Optimización Profesor : Claudio Seebach 16 de octubre de 2006
Más detallesPROGRAMACIÓN DINÁMICA. Idalia Flores
PROGRAMACIÓN DINÁMICA Idalia Flores CONCEPTOS La programación dinámica es una técnica matemática que se utiliza para la solución de problemas matemáticos seleccionados, en los cuales se toma un serie de
Más detallesTema 3: El Método Simplex. Algoritmo de las Dos Fases.
Tema 3: El Método Simplex Algoritmo de las Dos Fases 31 Motivación Gráfica del método Simplex 32 El método Simplex 33 El método Simplex en Formato Tabla 34 Casos especiales en la aplicación del algoritmo
Más detallesSISTEMAS DE APOYO A LA TOMA DE DECISIONES : DSS y EIS
IIC3712 GESTIÓN de las TEC. de INFORMACIÓN SISTEMAS DE APOYO A LA TOMA DE DECISIONES : DSS y EIS Ignacio Casas R. Escuela de Ingeniería Pontificia Universidad Católica de Chile Mayo, 2002 Qué es la Toma
Más detallesProgramación entera: Ejemplos, resolución gráfica, relajaciones lineales. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Programación entera: Ejemplos, resolución gráfica, relajaciones lineales Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Programación entera: definición, motivación,
Más detallesIntroducción a la Programación Dinámica. El Problema de la Mochila
Tema 1 Introducción a la Programación Dinámica. El Problema de la Mochila La programación dinámica no es un algoritmo. Es más bien un principio general aplicable a diversos problemas de optimización que
Más detallesTeoría de juegos Andrés Ramos Universidad Pontificia Comillas
Teoría de juegos Andrés Ramos Universidad Pontificia Comillas http://www.iit.upcomillas.es/aramos/ Andres.Ramos@upcomillas.es TEORÍA DE JUEGOS 1 Teoría de juegos 1. Matriz de pagos 2. Clasificación 3.
Más detallesProgramación lineal. Estimar M. Ejemplos.
Departamento de Matemáticas. ITAM. 2010. Los problemas P y P minimizar x c T x sujeta a Ax = b, x 0, b 0 minimizar c T x + M(y 1 + y 2 + + y m ) x sujeta a Ax + y = b, x 0, y 0. Cómo estimar M? Resultado
Más detallesUniversidad del Rosario Economía Matemática II Taller 8 - Kuhn Tucker
. En los siguientes problemas de optimización: Universidad del Rosario Economía Matemática - 202-II Taller 8 - Kuhn Tucker a. Dibuje el conjunto K de puntos factibles y las curvas de nivel de la función
Más detallesUniversidad de Managua Curso de Programación Lineal
Universidad de Managua Curso de Programación Lineal Profesor: MSc. Julio Rito Vargas Avilés. Objetivos y Temáticas del Curso Estudiantes: Facultad de CE y A Año académico: III Cuatrimestre 2014 ORIENTACIONES
Más detallesProf. Pérez Rivas Lisbeth Carolina
Ingeniería de Sistemas Investigación de Operaciones Prof. Pérez Rivas Lisbeth Carolina Investigación de Operaciones Es una rama de las Matemáticas consistente en el uso de modelos matemáticos, estadística
Más detallesIN34A - Optimización
IN34A - Optimización Modelos de Programación Lineal Leonardo López H. lelopez@ing.uchile.cl Primavera 2008 1 / 24 Contenidos Programación Lineal Continua Problema de Transporte Problema de Localización
Más detallesALGORITMO MINIMAX. o Nodo: Representa una situación del juego. o Sucesores de un nodo: Situaciones del juego a las que se
ALGORITMO MINIMAX Algoritmo de decisión para minimizar la pérdida máxima aplicada en juegos de adversarios Información completa (cada jugador conoce el estado del otro) Elección del mejor movimiento para
Más detallesPráctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut
Práctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut 8.1 Para cada uno de los siguientes conjuntos, encontrar una desigualdad válida que agregada a la formulación
Más detallesTema 4: Aplicaciones del equilibrio de Nash
Tema 4: Aplicaciones del equilibrio de Nash Microeconomía Avanzada II Iñigo Iturbe-Ormaeche U. de Alicante 2008-09 Bienes públicos Quién avisa a la policía? Cournot Bertrand Productos diferenciados Basado
Más detallesAlgoritmos glotones. mat-151
Algoritmos glotones (greedy) mat-151 Alonso Ramirez Manzanares Computación y Algoritmos 04.06.2009 Algoritmos glotones Algoritmos utilizados en problemas de optimización. Estos algoritmos siguen típicamente
Más detallesTema 5: Análisis de Sensibilidad y Paramétrico
Tema 5: Análisis de Sensibilidad y Paramétrico 5.1 Introducción 5.2 Cambios en los coeficientes de la función objetivo 5.3 Cambios en el rhs 5.4 Análisis de Sensibilidad y Dualidad 5.4.1 Cambios en el
Más detallesRELACIÓN DE PROBLEMAS DE CLASE DE PROGRAMACIÓN LINEAL ENTERA
RELACIÓN DE PROBLEMAS DE CLASE DE PROGRAMACIÓN LINEAL ENTERA SIMPLEX Y LINEAL ENTERA a Resuelve el siguiente problema con variables continuas positivas utilizando el método simple a partir del vértice
Más detallesn-1 n (número del período)
ÍNDIÍ ICES PARA DECISIONES EN PROYECTOS DE INVERSII IÓN De los índices más utilizados para decisiones de inversión en proyectos se tienen: Valor presente neto (VPN), Tasa Interna de Retorno (TIR), Beneficio
Más detallesEJERCICIO DE MAXIMIZACION
PROGRAMACION LINEAL Programación lineal es una técnica matemática que sirve para investigar, para así, hallar la solución a un problema dado dentro de un conjunto de soluciones factibles y es la operación
Más detallesCapítulo 9 Estructura y Administración de Portafolios de Inversión
Capítulo 9 Estructura y Administración de Portafolios de Inversión Objetivo Presentar los conceptos básicos y el proceso vinculado a la administración de portafolios de inversión Parte I CONCEPTOS BÁSICOS
Más detallesProgramación Dinámica 1
Programación Dinámica 1 El método de programación dinámica sirve para resolver problemas combinando las soluciones de subproblemas. Normalmente es usada para resolver problemas de optimización. Al construir
Más detallesRESOLUCIÓN INTERACTIVA DEL SIMPLEX
RESOLUCIÓN INTERACTIVA DEL SIMPLEX Estos materiales interactivos presentan la resolución interactiva de ejemplos concretos de un problema de P.L. mediante el método Simplex. Se presentan tres situaciones:
Más detallesUniversidad Nacional de Ingeniería Facultad de Ciencias. Física Computacional CC063. Algebra Lineal. Prof: J. Solano 2012-I
Universidad Nacional de Ingeniería Facultad de Ciencias Física Computacional CC063 Algebra Lineal Prof: J. Solano 2012-I Introduccion Aqui trabjaremos con operaciones basicas con matrices, tales como solucion
Más detallesCI-6675 Algoritmos y Estructuras Optimizadas para Videojuegos
Especialización en Creación y Programación de Videojuegos CI-6675 Algoritmos y Estructuras Optimizadas para Videojuegos Agenda de hoy Juegos Combinatorios Información en un Juego La suma de un Juego s
Más detallesFunciones y Condicionales Introducción a la Programación
Funciones y Condicionales Introducción a la Programación Departamento de Ciencias e Ingeniería de la Computación Pontificia Universidad Javeriana Santiago de Cali 2011-2 Resumen En el mundo existen gran
Más detallesUNIDAD 6.- PROGRAMACIÓN LINEAL
UNIDAD 6.- PROGRAMACIÓN LINEAL 1. INECUACIONES LINEALES CON DOS INCÓGNITAS Una inecuación de primer grado con dos incógnitas es una inecuación que en forma reducida se puede expresar de la siguiente forma:
Más detallesPauta Clase Auxiliar: Indicadores
IN4301 Análisis y Matemáticas Financieras Profesores: Sigfried Cobian-Michael Jorratt Claudio Jiménez Profesor Auxiliar: Angélica Gatica Ricardo Mascaró Nicolás Cisternas Pauta Clase Auxiliar: Indicadores
Más detallesPROBLEMA 1. Considere el siguiente problema de programación lineal:
PROBLEMA 1 Considere el siguiente problema de programación lineal: Sean h1 y h2 las variables de holgura correspondientes a la primera y segunda restricción, respectivamente, de manera que al aplicar el
Más detallesUniversidad Tec Milenio: Profesional IO04001 Investigación de Operaciones I. Tema # 9
IO04001 Investigación de Operaciones I Tema # 9 Otras aplicaciones del método simplex Objetivos de aprendizaje Al finalizar el tema serás capaz de: Distinguir y aplicar la técnica de la variable artificial.
Más detallesMICROECONOMÍA AVANZADA II Lista 4 de ejercicios Curso 2009/10 Universidad de Alicante
MICROECONOMÍA AVANZADA II Lista 4 de ejercicios Curso 2009/10 Universidad de Alicante 1. (Examen de Junio 2008) Considera el siguiente juego entre un trabajador (Ronaldinho) y su jefe (Laporta). El primero
Más detallesPASO 1: Poner el problema en forma estandar.
MÉTODO DEL SIMPLEX PASO Poner el problema en forma estandar: La función objetivo se minimiza y las restricciones son de igualdad PASO 2 Encontrar una solución básica factible SBF PASO 3 Testar la optimalidad
Más detallesCapítulo 2: Inducción y recursión Clase 2: El principio de Inducción Fuerte
Capítulo 2: Inducción y recursión Clase 2: El principio de Inducción Fuerte Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática Discreta - Cap. 2: Inducción y Recursión 1 / 20 Motivación
Más detallesTeoría de grafos y optimización en redes
Teoría de grafos y optimización en redes José María Ferrer Caja Universidad Pontificia Comillas Definiciones básicas Grafo: Conjunto de nodos (o vértices) unidos por aristas G = (V,E) Ejemplo V = {,,,,
Más detallesEjercicios resueltos de probabilidad
Ejercicios resueltos de probabilidad 1) En un saco tenemos bolas con las letras de la palabra "MATEMÁTICAS" (en las bolas, ninguna letra tiene tilde). Sacamos cuatro bolas por orden Hay la misma probabilidad
Más detallesDescubrimos cómo ganar en la serpiente numérica
CUARTO Grado - Unidad 3 - Sesión 04 Descubrimos cómo ganar en la serpiente numérica En esta sesión jugaremos a la serpiente numérica, donde tendrán que descubrir qué estrategia utilizar para ganar el juego.
Más detallesIntroducción a la unidad 4:
Introducción a la unidad 4: Valor actual neto, tasa interna de retorno INACAP Virtual Introducción a la Unidad 4 Matemática financiera 2 ÍNDICE DE CONTENIDOS ÍNDICE DE CONTENIDOS... 3 INTRODUCCIÓN... 4
Más detallesInteligencia Artificial. Integrantes Equipo # 1:
INSTITUTO TECNOLÓGICO De Nuevo Laredo Especialidad: Ingeniería en Sistemas Computacionales Catedrático: Ing. Bruno López Takeyas. Asignatura: Inteligencia Artificial. Integrantes Equipo # 1: Javier Alonso
Más detallesDirección de operaciones. SESIÓN # 2: Programación lineal
Dirección de operaciones SESIÓN # 2: Programación lineal Contextualización Dentro de la sesión anterior conocimos el concepto y alcance de la administración de operaciones, dicho de otro modo el qué, ahora
Más detallesEcuaciones Diofánticas
2 Ecuaciones Diofánticas (c) 2011 leandromarin.com 1. Introducción Una ecuación diofántica es una ecuación con coeficientes enteros y de la que tenemos que calcular las soluciones enteras. En este tema
Más detallesPROGRAMACIÓN LINEAL PROGRAMACIÓN LINEAL.
PROGRAMACIÓN LINEAL. La programación lineal es una técnica de modelado (construcción de modelos). La programación lineal (PL) es una técnica matemática de optimización, es decir, un método que trata de
Más detalles(d) Puede haber estrategias que funcionan mejor que Minimax si el contrincante es
Universidad Rey Juan Carlos Curso 2014 2015 Hoja de Problemas Tema 5 1. Cuáles de las siguientes afirmaciones acerca del algoritmo Minimax son ciertas (a) El algoritmo Minimax realiza una exploración primero
Más detallesOptimización y Programación Lineal
Optimización y Programación Lineal La regla del 100 % 17 de febrero de 2011 La regla del 100 % () Optimización y Programación Lineal 17 de febrero de 2011 1 / 21 Introducción Introducción Veamos ahora
Más detallesIngeniería del Conocimiento
Universidad Nacional de Rosario Facultad de Ciencias Exactas, Ingeniería y Agrimensura Ingeniería del Conocimiento Trabajo Práctico Nº 1 Aplicación de la IA: Pool Computacional Autores: Nombre y Apellido
Más detallesOlimpiada Mexicana de Matemáticas Guanajuato
Olimpiada Mexicana de Matemáticas Guanajuato 22 de Mayo de 2010 1.- Sobre una mesa se tienen 1999 fichas que son rojas de un lado y negras del otro (no se especifica cuántas con el lado rojo hacia arriba
Más detallesCAPITULO III. Determinación de Rutas de Entregas
CAPITULO III Determinación de Rutas de Entregas Un importante aspecto en la logística de la cadena de abastecimiento (supply chain), es el movimiento eficiente de sus productos desde un lugar a otro. El
Más detallesEl Juego como Problema de Búsqueda
El Juego como Problema de Búsqueda En este algoritmo identificamos dos jugadores: max y min. El objetivo es encontrar la mejor movida para max. Supondremos que max mueve inicialmente y que luego se turnan
Más detallesMODELOS DE INVESTIGACION DE OPERACIONES
MODELOS DE INVESTIGACION DE OPERACIONES CARACTERÍSTICAS Los modelos se dividen en determinísticos (no probabilisticos) y estocásticos (probilisticos). Hay otros modelos híbridos porque incluyen las dos
Más detallesTrabajo Práctico Optativo
rofesor: Julio J. Elías Trabajo ráctico Optativo 1. El método de los multiplicadores de Lagrange Generalmente, en economía trabajamos con modelos que involucran optimización con restricciones. or ejemplo,
Más detalles5.- Problemas de programación no lineal.
Programación Matemática para Economistas 7 5.- Problemas de programación no lineal..- Resolver el problema Min ( ) + ( y ) s.a 9 5 y 5 Solución: En general en la resolución de un problema de programación
Más detallesDepartamento de Matemáticas, CCIR/ITESM. 9 de febrero de 2011
Factorización LU Departamento de Matemáticas, CCIR/ITESM 9 de febrero de 2011 Índice 26.1. Introducción............................................... 1 26.2. Factorización LU............................................
Más detallesPROGRAMACIÓN LINEAL. Su empleo es frecuente en aplicaciones de la industria, la economía, la estrategia militar, etc.
PROGRAMACIÓN LINEAL La programación lineal da respuesta a situaciones en las que se exige maximizar o minimizar funciones que se encuentran sujetas a determinadas limitaciones, que llamaremos restricciones.
Más detallesT7. PROGRAMACIÓN LINEAL
T7. PROGRAMACIÓN LINEAL MATEMÁTICAS PARA 4º ESO MATH GRADE 10 (=1º BACHILLERATO EN ATLANTIC CANADA) CURRÍCULUM MATEMÁTICAS NOVA SCOTIA ATLANTIC CANADA TRADUCCIÓN: MAURICIO CONTRERAS PROGRAMACIÓN LINEAL
Más detallesInterpretar la equivalencia entre fracciones y decimales. 4to. Grado Universidad de La Punta
Interpretar la equivalencia entre fracciones y decimales to. Grado Universidad de La Punta to. grado CONSIDERACIONES GENERALES En la siguiente secuencia didáctica se analizara la relación entre los números
Más detallesClase 1 Números Reales. Instituto de Ciencias Básicas Facultad de Ingeniería Universidad Diego Portales
Clase 1 Instituto de Ciencias Básicas Facultad de Ingeniería Universidad Diego Portales Introducción Muchas veces, en actividades cotidianas, es necesario dar respuesta a preguntas relacionadas con números,
Más detallesAlgoritmos y Programas
Introducción a la Programación Pontificia Universidad Javeriana Generado con LAT E X Febrero de 2010 Recorderis Algoritmos Recorderis Estado Una configuración determinada del sistema en un tiempo-espacio
Más detallesTablas de frecuencias con datos agrupados
Tablas de frecuencias con datos agrupados Cuando los valores de la variable son muchos, conviene agrupar los datos en intervalos o clases para así realizar un mejor análisis e interpretación de ellos.
Más detallesApunte Docente. Modelo de Beranek (Efectivo) Yolanda Reyes Fernández
Apunte Docente Modelo de Beranek (Efectivo) Yolanda Reyes Fernández La autora es Máster en Administración y Finanzas, Escuela Superior de Administración y Dirección de Empresas (ESADE), Barcelona, España.
Más detallesDefinición de Memoria
Arquitectura de Ordenadores Representación de Datos en Memoria Abelardo Pardo abel@it.uc3m.es Universidad Carlos III de Madrid Departamento de Ingeniería Telemática Definición de Memoria DRM-1 La memoria
Más detallesq c q m R 2 q 1+q 2 =q m
REPASO OLIGOPOLIO Y COMPORTAMIENTO ESTRATÉGICO MODELOS DE OLIGOPOLIO 1. Modelos de comportamiento Estratégico (NO LOS VAMOS A HACER). - Modelo de Empresa Dominante Generalizaciones a partir de competencia
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesSoluciones básicas factibles y vértices Introducción al método símplex. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Soluciones básicas factibles y vértices Introducción al método símplex Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema PLs en formato estándar Vértices y soluciones
Más detallesProblemas de Transbordo
Universidad Nacional de Ingeniería UNI-Norte Problemas de Transbordo III Unidad Temática MSc. Ing. Julio Rito Vargas II semestre 2008 El problema de transbordo Un problema de transporte permite sólo envíos
Más detallesEjemplo: El problema de la mochila. Algoritmos golosos. Algoritmos y Estructuras de Datos III. Segundo cuatrimestre 2013
Técnicas de diseño de algoritmos Algoritmos y Estructuras de Datos III Segundo cuatrimestre 2013 Técnicas de diseño de algoritmos Algoritmos golosos Backtracking (búsqueda con retroceso) Divide and conquer
Más detallesRespuestas al examen final de 2000: a efectos de calificación
Sloan School of Management 15.010/011 - Análisis económico para la toma de decisiones empresariales Massachusetts Institute of Technology Profesores Davis, Judson, Miron y Stoker Respuestas al examen final
Más detallesAlgoritmos para determinar Caminos Mínimos en Grafos
Problemas de camino mínimo Algoritmos para determinar Caminos Mínimos en Grafos Algoritmos y Estructuras de Datos III DC, FCEN, UBA, C 202 Problemas de camino mínimo Dado un grafo orientado G = (V, E)
Más detallesIN Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0
IN3701 - Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0 Acá va una pequeña guía con problemas resueltos de Geometría en Programación Lineal con problemas básicamente extraídos del
Más detallesPOST-OPTIMIZACIÓN Y SENSIBILIDAD EN PROBLEMAS LINEALES.
POST-OPTIMIZACIÓN Y SENSIBILIDAD EN PROBLEMAS LINEALES. Una de las hipótesis básicas de los problemas lineales es la constancia de los coeficientes que aparecen en el problema. Esta hipótesis solamente
Más detallesUniversidad de Montevideo Macroeconomía II. Optimización Dinámica: Aplicación al Modelo de Crecimiento Óptimo
Universidad de Montevideo Macroeconomía II Danilo R. Trupkin Notas de Clase (preliminar) Optimización Dinámica: Aplicación al Modelo de Crecimiento Óptimo En el curso estudiaremos dos formas alternativas
Más detallesTEORÍA DE LA EMPRESA. ADOLFO GARCÍA DE LA SIENRA Instituto de Filosofía Facultad de Economía Universidad Veracruzana
TEORÍA DE LA EMPRESA ADOLFO GARCÍA DE LA SIENRA Instituto de Filosofía Facultad de Economía Universidad Veracruzana asienrag@gmail.com. Conjuntos y funciones de producción El conjunto de posibilidades
Más detallesDepletion (Economía Molecular)
Depletion (Economía Molecular) v 1.3 1996, 2000 Judith Herzfeld Un juego de mesa para dos o tres jugadores. Partes del juego: Tablero (tres páginas, puestas juntas formando una tira diagonal) mostrando
Más detallesConcurso Escolar de Programación 2014
Concurso Escolar de Programación 2014 Capítulo Estudiantil ACM UCSP 6 de Diciembre del 2014 A. Árbol de Navidad La navidad está cerca y todo el mundo ha comenzado a hacer los preparativos. Este año, Natasha
Más detallesResolución. Resolución gráfica de problemas de optimización
Resolución de problemas de optimización Para resolver mente un problema de optimización como éste empezamos representando sus restricciones con igualdad. (0, 4) (0, 4) (4, 0) Para resolver mente un problema
Más detallesUNIDAD 2: ECUACIONES E INECUACIONES. SISTEMAS DE ECUACIONES
UNIDAD 2: ECUACIONES E INECUACIONES. SISTEMAS DE ECUACIONES 1. IDENTIDADES Y ECUACIONES 2. ECUACIONES POLINÓMICAS 3. ECUACIONES BICUADRADAS 4. ECUACIONES RACIONALES 5. ECUACIONES IRRACIONALES 6. ECUACIONES
Más detallesPráctica N 6 Modelos de Programación Lineal Entera
Práctica N 6 Modelos de Programación Lineal Entera 6.1 Una empresa textil fabrica 3 tipos de ropa: camisas, pantalones y shorts. Las máquinas necesarias para la confección deben ser alquiladas a los siguientes
Más detallesProgramación dinámica p. 1
Técnicas de diseño de algoritmos Programación dinámica Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Programación dinámica p. 1 Programación dinámica En programación dinámica, uno
Más detallesContenido: Solución algebraica a los problemas de programación lineal con el método simplex.
Tema II: Programación Lineal Contenido: Solución algebraica a los problemas de programación lineal con el método simplex. Introducción El método simplex resuelve cualquier problema de PL con un conjunto
Más detalles(e) Con la poda alfa-beta se eliminan nodos que nunca serán alcanzados
Universidad Rey Juan Carlos Curso 2014 2015 Hoja de Problemas Tema 5 1. Cuáles de las siguientes afirmaciones acerca del algoritmo Minimax son ciertas (a) El algoritmo Minimax realiza una exploración primero
Más detallesDesarrollo de las condiciones de optimalidad y factibilidad. El problema lineal general se puede plantear como sigue:
Método simplex modificado Los pasos iterativos del método simplex modificado o revisado son exactamente a los que seguimos con la tabla. La principal diferencia esá en que en este método se usa el algebra
Más detallesUsamos billetes y monedas para representar el precio de un producto
SEGUNDO GRADO Usamos billetes y monedas para representar el precio de un producto UNIDAD 1 SESIÓN 13/25 En esta sesión, se espera que los niños y las niñas usen billetes y monedas para pagar de diferentes
Más detallesCapítulo 2 Juegos estáticos con información asimétrica
Capítulo Juegos estáticos con información asimétrica January 1, 011 1 El equilibrio Bayesiano Definición 1.1. Un juego Bayesiano G consta de los siguientes elementos, G = (N, A, T, p, u) Un conjunto de
Más detallesLógica y Conteo. Elaborado por: Jeff Maynard Guillén. Eliminatoria III
Lógica y Conteo Elaborado por: Jeff Maynard Guillén Eliminatoria III Mayo, 2011 Lógica-Conteo Principio de Conteo: Si tenemos n opciones, y cada una de estas tiene a su vez m opciones, entonces la cantidad
Más detallesÁlgebra Lineal y Estructuras Matemáticas. J. C. Rosales y P. A. García Sánchez. Departamento de Álgebra, Universidad de Granada
Álgebra Lineal y Estructuras Matemáticas J. C. Rosales y P. A. García Sánchez Departamento de Álgebra, Universidad de Granada Capítulo 8 Combinatoria La combinatoria es la técnica de saber cuántos elementos
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesUnidad I Introducción a las Finanzas Corporativas
Unidad I Introducción a las Finanzas Corporativas Logro Al finalizar la unidad el estudiante explica las áreas de actuación de las finanzas corporativas, los objetivos de la gestión financiera a través
Más detallesFacultad de Farmacia. Grado en Nutrición Humana y Dietética. Depto. de Estadística e Investigación Operativa ESTADÍSTICA
Facultad de Farmacia Grado en Nutrición Humana y Dietética Depto. de Estadística e Investigación Operativa ESTADÍSTICA TEMA 6: Introducción a la Programación Lineal GRUPO C y E. Curso 2015-2016 Profesor:
Más detallesIntegración indefinida y definida. Aplicaciones de la integral: valor medio de una función continua.
Integración indefinida y definida. Aplicaciones de la integral: valor medio de una función continua. 1 1 Departamento de Matemáticas. Universidad de Alcalá de Henares. Contenidos 1 Introducción 2 3 4 5
Más detallesSESIÓN 11 DERIVACIÓN DE FUNCIONES TRIGONOMETRICAS INVERSAS
SESIÓN 11 DERIVACIÓN DE FUNCIONES TRIGONOMETRICAS INVERSAS I. CONTENIDOS: 1. Función inversa, conceptos y definiciones 2. Derivación de funciones trigonométricas inversas 3. Ejercicios resueltos 4. Estrategias
Más detallesPRÁCTICA No. 2 FORMA POLAR DE UN NUMERO COMPLEJO. Otra forma de expresar un número complejo es la forma polar o forma módulo-argumento,
OBJETIVO EDUCACIONAL PRÁCTICA No. 2 FORMA POLAR DE UN NUMERO COMPLEJO Resolver problemas de aplicación e interpretar las soluciones utilizando matrices y sistemas de ecuaciones lineales para las diferentes
Más detallesINVESTIGACIÓN OPERATIVA
FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA Mg Jessica Pérez Rivera PROBLEMAS DE TRANSPORTE Y ASIGNACIÓN Las aplicaciones de la programación
Más detallesEspacios vectoriales
Espacios vectoriales [Versión preliminar] Prof. Isabel Arratia Z. Algebra Lineal 1 En el estudio de las matrices y, en particular, de los sistemas de ecuaciones lineales realizamos sumas y multiplicación
Más detallesNotación Asintótica 2
Notación Asintótica 2 mat-151 1 Éxamen Rápido (6 minutos) Cada operación fundamental usa c milisegundos, cuánto tiempo toma contar hasta 1,000,000? Cuál es el valor de N? Cuál es el órden de complejidad
Más detallesEXAMEN DE SEPTIEMBRE, MATEMÁTICAS I. 1. (2.5 ptos) Sean f y g funciones con derivadas primeras y segundas continuas de las que se sabe que
EXAMEN DE SEPTIEMBRE, MATEMÁTICAS I DEBE CONTESTAR ÚNICAMENTE A 4 DE LOS SIGUIENTES 5 EJERCICIOS 1. (.5 ptos) Sean f y g funciones con derivadas primeras y segundas continuas de las que se sabe que Sea
Más detallesDERIVACIÓN DE LAS FUNCIONES ELEMENTALES
DERIVACIÓN DE LAS FUNCIONES ELEMENTALES 2 El procedimiento mediante el cuál se obtiene la derivada de una función se conoce como derivación. Llamaremos funciones elementales a las funciones polinómicas,
Más detalles4ta. Práctica. Búsqueda en árbol con contrincante: MiniMax con poda Alfa-Beta. Inteligencia Artificial Prácticas 2004/2005
4ta. Práctica Búsqueda en árbol con contrincante: MiniMax con poda Alfa-Beta Inteligencia Artificial Prácticas 2004/2005 Decisiones Perfectas en Juegos de DOS Participantes Definición de Juego Estado Inicial:
Más detalles2 = 1 0,5 + = 0,5 c) 3 + = = 2
Trabajo Práctico N : SISTEMAS DE ECUACIONES LINEALES Ejercicio : Resuelva los siguientes sistemas de ecuaciones lineales empleando cuando sea posible: i) Método matricial. ii) Regla de Cramer. Interprete
Más detalles10.4 Sistemas de ecuaciones lineales
Programa Inmersión, Verano 2016 Notas escritas por Dr. M Notas del cursos. Basadas en los prontuarios de MATE 001 y MATE 02 Clase #11: martes, 14 de junio de 2016. 10.4 Sistemas de ecuaciones lineales
Más detalles