Scribd Logo
Upload

Welcome to Scribd!

  • Programacion Dinamica

    Uploaded by

    crystelita31
    249 views3 pages
    1. Programación dinámica La programación dinámica parte de una pequeña porción del problema y encuentra la solución óptima para este problema más pequeño. Entonces gradualmente agranda el problema, hallando la solución óptima en curso a partir de la anterior, hasta que se resuelve por completo el problema original. 1.1 Características de los problemas de programación dinámica: etapas, estados, fórmula recursiva, programación en avance y en retroceso. Para que un problema pueda ser resuelto con la técnica de programación dinámica, debe cumplir con ciertas características: Naturaleza secuencial de las decisiones: El problema puede ser dividido en etapas. Cada etapa tiene un número de estados asociados a ella. La decisión ´optima de cada etapa depende solo del estado actual y no de las decisiones anteriores. La decisión tomada en una etapa determina cual será el estado de la etapa siguiente. En síntesis, la política óptima es de un estado s de la etapa k a la etapa final esta constituida por una decisión que transforma s en un estado s0 de la etapa k +1 y por la política óptima desde el estado s0 hasta la etapa finalETAPAS. El problema puede dividirse en etapas, con una decisión de la política requerida en cada etapa. Las etapas a considerar van a depender del tipo de problema a resolver. Para resolver un problema de programación dinámica debemos al menos: Identificación de etapas, estados y variable de decisión: Recordemos que mucho de los algoritmos de resolución de problemas lineales (Simplex en particular) son de orden exponencial por lo que resolver m problemas de tamaño n es mas rápido que resolver un problema de tamaño m • n Cada etapa debe tener asociado una o mas decisiones (problema de optimización), cuya dependencia de las decisiones anteriores esta dada exclusivamente por las variables de estado. • Cada estado debe contener toda la información relevante para la toma de decisión asociada al periodo. • Las variables de decisión son aquellas sobre las cuales debemos definir su valor de modo de optimizar el beneficio acumulado y modificar el estado de la próxima etapa. Descripción de ecuaciones de recurrencia: Nos deben indicar como se acumula la función de beneficios a optimizar (función objetivo) y como varían las funciones de estado de una etapa a otra. Resolución Debemos optimizar cada subproblema por etapas en función de los resultados de la resolución del subproblema siguiente. Notar que las para que las recurrencias estén bien definidas requerimos de condiciones de borde. VARIABLES Consideremos que las variables de decisión Xn (n = 1, 2, 3, 4) son el destino inmediato en la etapa n. ESTADOS. Cada etapa tiene cierto número de estados asociados a ella. FUNCION DE EFECTIVIDAD. Se dispone de una relación recursiva que identifica la política óptima para cada estado en la etapa n, dada la política óptima para cada estado en la etapa (n + 1). OBJETIVO. Minimizar los costos totales ETAPA 1 2 3 4 RUTA X1 X2 X3 X4 COSTO TOTAL. Sea fn (S, Xn) el costo total de la mejor política global para las etapas restantes, dado que el vendedor se encuentra en el estado S listo para iniciar la etapa n y selecciona a Xn como destino inmediato. • Dados s y n, denotemos por X*n el valor de Xn que minimiza a fn (s, Xn) y sea f*n (s) el valor mínimo correspondiente de fn (s, Xn). • Por tanto, f*n (s) = fn (s, X*n ) EJEMPLO Hallar f*1 (1) y la política correspondiente. El proceso de calculo es de atrás hacia adelante ETAPA 4 (CUANDO QUEDA UNA ETAPA) f*4(s, X4) = Csx4 + f*5(X4) 10 f*4(S) X*4 8 3 + 0 = 3 3 10 9 4 + 0 = 4 4 10 ETAPA 3 (CUANDO QUEDAN 2 ETAPAS) f*3(s, X3) = Csx3 + f*4(X3) 8 9 f*3(S) X*3 5 1+ 3 = 4 4 +4 = 8 4 8 6 6+ 3 = 9 3 + 4 = 7 7 9 7 3 +3 = 6 3 + 4 = 7 6 8 ETAPA 2 (CUANDO QUEDAN TRES ETAPAS) f*2(s, X2) = Csx2 + f*3(X2) 5 6 7 f*2S) X*2 2 7+ 4 = 11 4 + 7 = 11 6 + 6 = 12 11 5 ó 6 3 3 + 4 = 7 2 + 7= 9 4 + 6 = 10 7 5 4 4 + 4 = 8 1 + 7 = 8 5

    Original Title

    PROGRAMACION DINAMICA

    Copyright

    © Attribution Non-Commercial (BY-NC)

    Available Formats

    TXT, PDF, TXT or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document
    1. Programación dinámica La programación dinámica parte de una pequeña porción del problema y encuentra la solución óptima para este problema más pequeño. Entonces gradualmente agranda el problema, hallando la solución óptima en curso a partir de la anterior, hasta que se resuelve por completo el problema original. 1.1 Características de los problemas de programación dinámica: etapas, estados, fórmula recursiva, programación en avance y en retroceso. Para que un problema pueda ser resuelto con la técnica de programación dinámica, debe cumplir con ciertas características: Naturaleza secuencial de las decisiones: El problema puede ser dividido en etapas. Cada etapa tiene un número de estados asociados a ella. La decisión ´optima de cada etapa depende solo del estado actual y no de las decisiones anteriores. La decisión tomada en una etapa determina cual será el estado de la etapa siguiente. En síntesis, la política óptima es de un estado s de la etapa k a la etapa final esta constituida por una decisión que transforma s en un estado s0 de la etapa k +1 y por la política óptima desde el estado s0 hasta la etapa finalETAPAS. El problema puede dividirse en etapas, con una decisión de la política requerida en cada etapa. Las etapas a considerar van a depender del tipo de problema a resolver. Para resolver un problema de programación dinámica debemos al menos: Identificación de etapas, estados y variable de decisión: Recordemos que mucho de los algoritmos de resolución de problemas lineales (Simplex en particular) son de orden exponencial por lo que resolver m problemas de tamaño n es mas rápido que resolver un problema de tamaño m • n Cada etapa debe tener asociado una o mas decisiones (problema de optimización), cuya dependencia de las decisiones anteriores esta dada exclusivamente por las variables de estado. • Cada estado debe contener toda la información relevante para la toma de decisión asociada al periodo. • Las variables de decisión son aquellas sobre las cuales debemos definir su valor de modo de optimizar el beneficio acumulado y modificar el estado de la próxima etapa. Descripción de ecuaciones de recurrencia: Nos deben indicar como se acumula la función de beneficios a optimizar (función objetivo) y como varían las funciones de estado de una etapa a otra. Resolución Debemos optimizar cada subproblema por etapas en función de los resultados de la resolución del subproblema siguiente. Notar que las para que las recurrencias estén bien definidas requerimos de condiciones de borde. VARIABLES Consideremos que las variables de decisión Xn (n = 1, 2, 3, 4) son el destino inmediato en la etapa n. ESTADOS. Cada etapa tiene cierto número de estados asociados a ella. FUNCION DE EFECTIVIDAD. Se dispone de una relación recursiva que identifica la política óptima para cada estado en la etapa n, dada la política óptima para cada estado en la etapa (n + 1). OBJETIVO. Minimizar los costos totales ETAPA 1 2 3 4 RUTA X1 X2 X3 X4 COSTO TOTAL. Sea fn (S, Xn) el costo total de la mejor política global para las etapas restantes, dado que el vendedor se encuentra en el estado S listo para iniciar la etapa n y selecciona a Xn como destino inmediato. • Dados s y n, denotemos por X*n el valor de Xn que minimiza a fn (s, Xn) y sea f*n (s) el valor mínimo correspondiente de fn (s, Xn). • Por tanto, f*n (s) = fn (s, X*n ) EJEMPLO Hallar f*1 (1) y la política correspondiente. El proceso de calculo es de atrás hacia adelante ETAPA 4 (CUANDO QUEDA UNA ETAPA) f*4(s, X4) = Csx4 + f*5(X4) 10 f*4(S) X*4 8 3 + 0 = 3 3 10 9 4 + 0 = 4 4 10 ETAPA 3 (CUANDO QUEDAN 2 ETAPAS) f*3(s, X3) = Csx3 + f*4(X3) 8 9 f*3(S) X*3 5 1+ 3 = 4 4 +4 = 8 4 8 6 6+ 3 = 9 3 + 4 = 7 7 9 7 3 +3 = 6 3 + 4 = 7 6 8 ETAPA 2 (CUANDO QUEDAN TRES ETAPAS) f*2(s, X2) = Csx2 + f*3(X2) 5 6 7 f*2S) X*2 2 7+ 4 = 11 4 + 7 = 11 6 + 6 = 12 11 5 ó 6 3 3 + 4 = 7 2 + 7= 9 4 + 6 = 10 7 5 4 4 + 4 = 8 1 + 7 = 8 5

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Download as TXT, PDF, TXT or read online from Scribd
    Flag for inappropriate content
    249 views3 pages

    Programacion Dinamica

    Uploaded by

    crystelita31
    1. Programación dinámica La programación dinámica parte de una pequeña porción del problema y encuentra la solución óptima para este problema más pequeño. Entonces gradualmente agranda el problema, hallando la solución óptima en curso a partir de la anterior, hasta que se resuelve por completo el problema original. 1.1 Características de los problemas de programación dinámica: etapas, estados, fórmula recursiva, programación en avance y en retroceso. Para que un problema pueda ser resuelto con la técnica de programación dinámica, debe cumplir con ciertas características: Naturaleza secuencial de las decisiones: El problema puede ser dividido en etapas. Cada etapa tiene un número de estados asociados a ella. La decisión ´optima de cada etapa depende solo del estado actual y no de las decisiones anteriores. La decisión tomada en una etapa determina cual será el estado de la etapa siguiente. En síntesis, la política óptima es de un estado s de la etapa k a la etapa final esta constituida por una decisión que transforma s en un estado s0 de la etapa k +1 y por la política óptima desde el estado s0 hasta la etapa finalETAPAS. El problema puede dividirse en etapas, con una decisión de la política requerida en cada etapa. Las etapas a considerar van a depender del tipo de problema a resolver. Para resolver un problema de programación dinámica debemos al menos: Identificación de etapas, estados y variable de decisión: Recordemos que mucho de los algoritmos de resolución de problemas lineales (Simplex en particular) son de orden exponencial por lo que resolver m problemas de tamaño n es mas rápido que resolver un problema de tamaño m • n Cada etapa debe tener asociado una o mas decisiones (problema de optimización), cuya dependencia de las decisiones anteriores esta dada exclusivamente por las variables de estado. • Cada estado debe contener toda la información relevante para la toma de decisión asociada al periodo. • Las variables de decisión son aquellas sobre las cuales debemos definir su valor de modo de optimizar el beneficio acumulado y modificar el estado de la próxima etapa. Descripción de ecuaciones de recurrencia: Nos deben indicar como se acumula la función de beneficios a optimizar (función objetivo) y como varían las funciones de estado de una etapa a otra. Resolución Debemos optimizar cada subproblema por etapas en función de los resultados de la resolución del subproblema siguiente. Notar que las para que las recurrencias estén bien definidas requerimos de condiciones de borde. VARIABLES Consideremos que las variables de decisión Xn (n = 1, 2, 3, 4) son el destino inmediato en la etapa n. ESTADOS. Cada etapa tiene cierto número de estados asociados a ella. FUNCION DE EFECTIVIDAD. Se dispone de una relación recursiva que identifica la política óptima para cada estado en la etapa n, dada la política óptima para cada estado en la etapa (n + 1). OBJETIVO. Minimizar los costos totales ETAPA 1 2 3 4 RUTA X1 X2 X3 X4 COSTO TOTAL. Sea fn (S, Xn) el costo total de la mejor política global para las etapas restantes, dado que el vendedor se encuentra en el estado S listo para iniciar la etapa n y selecciona a Xn como destino inmediato. • Dados s y n, denotemos por X*n el valor de Xn que minimiza a fn (s, Xn) y sea f*n (s) el valor mínimo correspondiente de fn (s, Xn). • Por tanto, f*n (s) = fn (s, X*n ) EJEMPLO Hallar f*1 (1) y la política correspondiente. El proceso de calculo es de atrás hacia adelante ETAPA 4 (CUANDO QUEDA UNA ETAPA) f*4(s, X4) = Csx4 + f*5(X4) 10 f*4(S) X*4 8 3 + 0 = 3 3 10 9 4 + 0 = 4 4 10 ETAPA 3 (CUANDO QUEDAN 2 ETAPAS) f*3(s, X3) = Csx3 + f*4(X3) 8 9 f*3(S) X*3 5 1+ 3 = 4 4 +4 = 8 4 8 6 6+ 3 = 9 3 + 4 = 7 7 9 7 3 +3 = 6 3 + 4 = 7 6 8 ETAPA 2 (CUANDO QUEDAN TRES ETAPAS) f*2(s, X2) = Csx2 + f*3(X2) 5 6 7 f*2S) X*2 2 7+ 4 = 11 4 + 7 = 11 6 + 6 = 12 11 5 ó 6 3 3 + 4 = 7 2 + 7= 9 4 + 6 = 10 7 5 4 4 + 4 = 8 1 + 7 = 8 5

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Download as TXT, PDF, TXT or read online from Scribd
    Flag for inappropriate content
    of 3

    1.

    Programacin dinmica

    La programacin dinmica parte de una pequea porcin del problema y encuentra la solucin ptima para este problema ms pequeo. Entonces gradualmente agranda el problema, ha llando la solucin ptima en curso a partir de la anterior, hasta que se resuelve po r completo el problema original. 1.1 Caractersticas de los problemas de programacin dinmica: etapas, estados, frm ula recursiva, programacin en avance y en retroceso. Para que un problema pueda ser resuelto con la tcnica de programacin dinmica, debe cumplir con ciertas caractersticas: Naturaleza secuencial de las decisiones: El problema puede ser dividido en etapa s. Cada etapa tiene un nmero de estados asociados a ella. La decisin optima de cada etapa depende solo del estado actual y no de las decisio nes anteriores. La decisin tomada en una etapa determina cual ser el estado de la etapa siguiente. En sntesis, la poltica ptima es de un estado s de la etapa k a la etapa final esta constituida por una decisin que transforma s en un estado s0 de la etapa k +1 y p or la poltica ptima desde el estado s0 hasta la etapa finalETAPAS. El problema pue de dividirse en etapas, con una decisin de la poltica requerida en cada etapa. Las etapas a considerar van a depender del tipo de problema a resolver. Para resolver un problema de programacin dinmica debemos al menos: Identificacin de etapas, estados y variable de decisin: Recordemos que mucho de los algoritmos de resolucin de problemas lineales (Simple x en particular) son de orden exponencial por lo que resolver m problemas de tam ao n es mas rpido que resolver un problema de tamao m n Cada etapa debe tener asociado una o mas decisiones (problema de optimizacin), cu ya dependencia de las decisiones anteriores esta dada exclusivamente por las var iables de estado. Cada estado debe contener toda la informacin relevante para la toma de decisin aso ciada al periodo. Las variables de decisin son aquellas sobre las cuales debemos definir su valor d e modo de optimizar el beneficio acumulado y modificar el estado de la prxima eta pa. Descripcin de ecuaciones de recurrencia: Nos deben indicar como se acumula la fun cin de beneficios a optimizar (funcin objetivo) y como varan las funciones de estad o de una etapa a otra. Resolucin Debemos optimizar cada subproblema por etapas en funcin de los resultado s de la resolucin del subproblema siguiente. Notar que las para que las recurrenc ias estn bien definidas requerimos de condiciones de borde. VARIABLES Consideremos que las variables de decisin Xn (n = 1, 2, 3, 4) son el de stino inmediato en la etapa n. ESTADOS. Cada etapa tiene cierto nmero de estados asociados a ella. FUNCION DE EFECTIVIDAD. Se dispone de una relacin recursiva que identifica la polt ica ptima para cada estado en la etapa n, dada la poltica ptima para cada estado en la etapa (n + 1). OBJETIVO. Minimizar los costos totales ETAPA 1 2 3 4 RUTA X1 X2 X3 X4

    COSTO TOTAL. Sea fn (S, Xn) el costo total de la mejor poltica global para las et apas restantes, dado que el vendedor se encuentra en el estado S listo para inic

    iar la etapa n y selecciona a Xn como destino inmediato. Dados s y n, denotemos por X*n el valor de Xn que minimiza a fn (s, Xn) y sea f *n (s) el valor mnimo correspondiente de fn (s, Xn). Por tanto, f*n (s) = fn (s, X*n ) EJEMPLO Hallar f*1 (1) y la poltica correspondiente.

    El proceso de calculo es de atrs hacia adelante ETAPA 4 (CUANDO QUEDA UNA ETAPA)

    8 9

    f*4(s, X4) = Csx4 + f*5(X4) 10 f*4(S) X*4 3 + 0 = 3 3 10 4 + 0 = 4 4 10

    ETAPA 3 (CUANDO QUEDAN 2 ETAPAS) f*3(s, 8 1+ 3 = 6+ 3 = 3 +3 = X3) = Csx3 + f*4(X3) 9 f*3(S) X*3 4 4 +4 = 8 9 3 + 4 = 7 6 3 + 4 = 7

    5 6 7

    4 7 6

    8 9 8

    ETAPA 2 (CUANDO QUEDAN TRES ETAPAS) f*2(s, X2) = Csx2 + f*3(X2) 5 6 7 f*2S) 7+ 4 = 11 4 + 7 = 11 3 + 4 = 7 2 + 7= 9 4 + 4 = 8 1 + 7 = 8 X*2 6 + 6 = 12 4 + 6 = 10 5 + 6 = 11

    2 3 4

    11 7 8

    5 6 5 5 6

    ETAPA 1 (CUANDO QUEDAN CUATRO ETAPAS)

    f*1(s, X1) = Csx1 + f*2(X1) 2 3 4 f*1S) 2+ 11 = 13 4 + 7 = 11

    X*1 3 + 8= 11

    11

    3 4

    SOLUCIONES POSIBLES

    Partida X1 X2 Alternativa 1 1 3 Alternativa 2 1 4 Alternativa 3 1 4 Costo Total ptimo = 11 RUTA 1 (ALTERNATIVA 1) 2) RUTA 3 (ALTERNATIVA 3)

    X3 5 5 6

    X4 8 8 9

    10 10 10 RUTA 2 (ALTERNATIVA

    1.2 1.3 1.4 1.5 1.6

    Algunos ejemplos de modelos de P.D. Programacin dinmica determinstica. Programacin dinmica probabilstica. Problema de dimensionalidad en P. D. Uso de programas de computacin

    You might also like