Professional Documents
Culture Documents
INTRODUCCIN
Muchos problemas de programacin matemtica determinan soluciones que
repercuten en la formulacin de los problemas a resolver en el prximo
periodo o etapa. Una alternativa es construir un nico modelo completo que
tenga un gran conjunto de variables indexadas por etapas e internalizar las
relaciones entre etapas como una restriccin del problema.
Una forma razonable y comnmente empleada de resolver un problema es
definir o caracterizar su solucin en trminos de las soluciones de
subproblemas del mismo. Esta idea, cuando se emplea recursivamente,
proporciona mtodos eficientes de solucin para problemas en los que los
subproblemas son versiones ms pequeas del problema original.
Sin embargo esto pude agrandar mucho el tamao del problema. Surge as
Programacin Dinmica (PD) como una alternativa de descomposicin en
que resolvemos subproblemas ms pequeos y luego los ligamos.
PROGRAMACIN DINMICA
1. HISTORIA
El trmino Programacin Dinmica fue utilizado originalmente en los
1940s por Richard Bellman para describir el proceso de resolver problemas
donde se necesita encontrar las mejores decisiones una tras otra.
2. DEFINICIN
La programacin dinmica consiste en una tcnica que permite determinar
de manera eficiente las decisiones que optimizan el comportamiento de un
sistema que evoluciona a lo largo de una serie de etapas. En otras
palabras, trata de encontrar la secuencia de decisiones que optimiza el
comportamiento de un proceso polietpico.
La naturaleza del razonamiento que se debe realizar en programacin
dinmica es muy diferente al de la programacin lineal. En programacin
lineal, intenta describir una determinada situacin en trminos de un
modelo matemtico determinado; una vez conocida la naturaleza de las
variables de decisin, y expresadas la funcin objetivo y las restricciones
en funcin de esas variables, la resolucin del modelo puede confiarse, sin
mayores problemas, a un
programa informtico. La programacin
dinmica no admite una resolucin sistemtica de este tipo; ms que un
modelo concreto, es una estrategia de resolucin comn a muchas
situaciones en principio diferentes entre s.
Adems, es frecuente que la resolucin del modelo est muy relacionada
con la situacin que se ha de modelizar. En contrapartida, las
simplificaciones que en ocasiones deben realizarse en programacin lineal
para poder resolver el modelo no son necesarias en programacin dinmica,
que admite gran variedad de relaciones entre variables.
La estrategia seguida en este mdulo para introducir al lector a la
programacin dinmica, compartida por otros autores que se han
enfrentado a esta situacin, consiste en comenzar con una introduccin
terica que describe las caractersticas de los procesos que pueden ser
3. CARACTERSITICAS
DINMICA
DE
LA
PROGRAMACIN
4. RESOLUCIN
DE
UN
PROGRAMACIN DINMICA
PROBLEMA
DE
5. PRINCIPIO DE OPTIMALIDAD
Cuando hablamos de optimizar nos referimos a buscar alguna de las
mejores soluciones de entre muchas alternativas posibles. Dicho proceso de
optimizacin puede ser visto como una secuencia de decisiones que nos
proporcionan la solucin correcta. Si, dada una subsecuencia de
decisiones, siempre se conoce cul es la decisin que debe tomarse a
continuacin para obtener la secuencia ptima, el problema es elemental y
se resuelve trivialmente tomando una decisin detrs de otra, lo que se
conoce como estrategia voraz.
En otros casos, aunque no sea posible aplicar la estrategia voraz, se
cumple el principio de optimalidad de Bellman que dicta que dada una
secuencia ptima de decisiones, toda subsecuencia de ella es, a su vez,
ptima.
En este caso sigue siendo posible el ir tomando decisiones elementales, en
la confianza de que la combinacin de ellas seguir siendo ptima, pero
ser entonces necesario explorar muchas secuencias de decisiones para
dar con la correcta, siendo aqu donde interviene la programacin
dinmica.
Contemplar un problema como una secuencia de decisiones equivale a
dividirlo en problemas ms pequeos y por lo tanto ms fciles de
resolver como hacemos en Divide y Vencers, tcnica similar a la de
programacin dinmica. La programacin dinmica se aplica cuando la
subdivisin de un problema conduce a:
tcnica
CLCULO DE
FIBONACCI
LOS
NMEROS
DE
de
Fib(1)
Fib(2)
...
Fib(n)
los 2
CLCULO
DE
BINOMIALES
LOS
COEFICIENTES
0
1
2
3
...
...
n-1
N
0
1
1
1
1
...
...
...
1
2
3
...
...
1
3
...
...
1
...
...
...
...
k-1
...
C(n-1,k-1) C(n-1,k)
+
C(n,k)
LA
SUBSECUENCIA
MXIMA
COMN
X = {1 0 0 1 0 1
0 1}
Y = {0 1 0 1 1 0 1
1 0}
La tabla que permite calcular la subsecuencia comn mxima es:
L[i,j].numero:=L[i-1,j].numero;
L[i,j].procedencia:="S"
ELSE
L[i,j].numero:=L[i,j1].numero;
L[i,j].procedencia:="I"
EN
D END
END
END SubSecMaxima.
Para encontrar cul es esa subsecuencia ptima hacemos uso de
la informacin contenida en el campo procedencia de la tabla L,
sabiendo que I(por Izq) significa que la informacin la toma de
la casilla de la izquierda, S (Sup) de la casilla superior y de la
misma manera D(Diag) corresponde a la casilla que est en la
diagonal. El algoritmo que recorre la tabla construyendo la
solucin a partir de esta informacin y de la secuencia Y es el que
sigue:
PROCEDURE Escribir(VAR L:TABLA; VAR Y:SECUENCIA;
i,j:CARDINAL; VAR sol:SECUENCIA; VAR
l:CARDINAL);
(* sol es la secuencia solucion, l su longitud,
i es la longitud de la secuencia Y, y j la de
X *)
BEGIN
IF (i=0) OR (j=0) THEN RETURN END;
IF L[i,j].procedencia =
"D" THEN
Escribir(L,Y,i-1,j1,sol,l); sol[l]:=Y[i];
INC(l);
ELSIF L[i,j].procedencia =
"S" THEN Escribir(L,Y,i1,j,sol,l)
ELSE
Escribir(L,Y,i,j1,sol,l) END
END Escribir
La complejidad de este algoritmo es de orden O(n+m) ya que
en cada paso de la recursin puede ir disminuyendo o bien el
parmetro i o bien j hasta alcanzar la posicin L[i,j] para i = 0 j
= 0.
INTERESES BANCARIOS
Dadas n funciones f1, f2, ..., fn y un entero positivo M, deseamos
maximizar la funcin f1(x1) + f2(x2) + ... + fn(xn) sujeta a la
restriccin x1 +x2 + ... + xn = M, donde fi(0) = 0 (i=1,..,n), xi son
nmeros naturales, y todas las funciones son montonas crecientes, es
decir, x y implica que fi(x) > fi(y). Supngase que los valores de
cada funcin se almacenan en un vector.
Este problema tiene una aplicacin real muy interesante, en donde fi
representa la funcin de inters que proporciona el banco i, y lo que
deseamos es maximizar el inters total al invertir una cantidad
BEGIN
FOR i:=1 TO n DO I[i,0]:=0 END;
FOR j:=1 TO M DO
I[1,j]:=F[1,j] END; FOR i:=2
TO n DO
FOR j:=1 TO M DO
I[i,j]:=Max(I,
F,i,j)
EN
D
END;
RETURN
I[n,M] END
Intereses;
La funcin Max es la que calcula el mximo que aparece en la expresin
[5.1]:
PROCEDURE Max(VAR
I,F:MATRIZ;i,j:CARDINAL):CARDINAL; VAR
max,t:CARDINAL;
BEGIN
max:= I[i-1,j] +
F[i,0]; FOR t:=1
TO j DO
max:=Max2(max,I[i-1,jt]+F[i,t]) END;
RETURN max
END Max;
La funcin Max2 es la que calcula el mximo de dos nmeros
naturales.
La complejidad del algoritmo completo es de orden
2
O(nM ), puesto que la complejidad de Max es O(j) y se invoca
dentro de dos bucles anidados que se desarrollan desde 1 hasta M.
Es importante hacer notar el uso de parmetros por referencia en lugar
de por valor para evitar la copia de las matrices en la pila de ejecucin
del programa.
Por otro lado, la complejidad espacial del algoritmo es del orden
O(nM), pues de este orden son las dos matrices que se utilizan para
almacenar los resultados intermedios.
En este ejemplo queda de manifiesto la efectividad del uso de
estructuras en los algoritmos de
Programacin Dinmica para
conseguir obtener tiempos de ejecucin de orden polinmico,
frente a los tiempos exponenciales de los algoritmos recursivos
iniciales.
LA MOCHILA
Solucin
Para encontrar un algoritmo de Programacin Dinmica que lo
resuelva, primero
hemos de plantear el problema como una secuencia de decisiones que
verifique el principio de ptimo. De aqu seremos capaces de deducir
una expresin recursiva de la solucin. Por ltimo habr que
encontrar una estructura de datos adecuada que
permita
la
reutilizacin de los clculos de la ecuacin en recurrencia,
consiguiendo una complejidad mejor que la del algoritmo puramente
recursivo.
Siendo M la capacidad de la mochila y disponiendo de n elementos,
llamaremos V(i,p) al valor mximo de la mochila con capacidad p
con 0 p M y 1 i n La solucin
cuando consideramos i objetos, con
viene dada por el valor de V(n,M). Denominaremos d1, d2, ..., dn a la
secuencia de decisiones que conducen a obtener V(n,M), donde cada
di podr tomar uno de los valores 1 0, dependiendo si se introduce
o no el i-simo elemento. Podemos tener por tanto dos
situaciones distintas:
Que dn = 1. La subsecuencia de decisiones d1, d2, ...,
dn1 ha de ser tambin ptima para el problema V(n1,M
pn), ya que si no lo fuera y existiera otra subsecuencia e1,
e2, ..., en1 ptima, la secuencia e1, e2, ..., en1, dn
tambin sera ptima para el problema V(n,M) lo que
contradice la hiptesis.
Que dn = 0. Entonces la subsecuencia decisiones d1,
d2, ..., dn-1 ha de ser tambin ptima para el problema
V(n1,M).
Podemos aplicar por tanto el principio de ptimo para formular
la relacin en recurrencia. Teniendo en cuenta que en la
mochila no puede introducirse una fraccin del elemento sino
que el elemento i se introduce o no se introduce, en una situacin
cualquiera V(i,p) tomar el valor mayor entre V(i1,p), que indica
que el elemento i no se introduce, y V(i1,ppi)+bi, que es el
resultado de introducirlo y de ah que la capacidad ha de
disminuir en pi y el valor aumentar en bi, y por tanto podemos
plantear la solucin al problema mediante la siguiente ecuacin:
V[elem,0]:=
0;
FOR cap:=1 TO p DO
IF (elem=1) AND
(cap<obj[1].peso) THEN
V[elem,cap]:=0
ELSIF elem=1 THEN
V[elem,cap]:=obj[
1].valor
ELSIF
cap<obj[elem].peso
THEN
V[elem,cap]:=V[ele
m-1,cap]
ELSE V[elem,cap]:=
Max2(V[elem-1,cap],obj[elem].valor+V[elem1,cap-obj[elem].peso]) END
EN
D
END;
RETURN
V[i,p] END
Mochila;
El problema se resuelve invocando a la funcin con i=n, p=M. La
complejidad del algoritmo viene determinada por la construccin de
una tabla de dimensiones nxM y por tanto su tiempo de ejecucin es
de orden de complejidad O(nM). La funcin Max2 es la que calcula el
mximo de dos valores.
Si adems del valor de la solucin ptima se desea conocer los
elementos que son introducidos, es decir, la composicin de la
mochila, es necesario aadir al algoritmo la construccin de una tabla
de valores lgicos que indique para cada valor E[i,j] si el elemento i
forma parte de la solucin para la capacidad j o no:
TYPE ENTRAONO = ARRAY[1..n],[0..P] OF BOOLEAN;
PROCEDURE Max2especial(x,y:CARDINAL;VAR
esmenorx:BOOLEAN):CARDINAL; BEGIN
IF x>y THEN
esmenorx:=FA
LSE; RETURN x
ELSE
esmenorx:=T
RUE; RETURN
y
END
END Max2especial;
PROCEDURE Mochila2(i,p:CARDINAL;obj:TIPOOBJETO;VAR
E:ENTRAONO)
:CARDINAL;
VAR elem,cap:CARDINAL;
V:TABLA; BEGIN
FOR elem:=1 TO
i DO
V[elem,0]:=
0;
FOR cap:=1 TO p DO
IF (elem=1) AND
(cap<obj[1].peso) THEN
V[elem,cap]:=0;
E[elem,cap]:=FALSE
ELSIF elem=1 THEN
V[elem,cap]:=obj[1
].valor;
E[elem,cap]:=TRUE
ELSIF cap<obj[elem].peso
THEN
V[elem,cap]:=V[elem
-1,cap];
E[elem,cap]:=FALSE
ELSE V[elem,cap]:=Max2especial(V[elem1,cap], obj[elem].valor+V[elem-1,elemobj[elem].peso],E[elem,cap]); END
EN
D
END;
RETURN
V[i,p] END
Mochila2;
Por otra parte, es necesario construir un algoritmo que interprete los
valores de esta tabla para componer la solucin. Esto se realizar
recorrindola en sentido inverso desde los valores i = n, j = M hasta i
= 0, j = 0, mediante el siguiente algoritmo:
TYPE SOLUCION = ARRAY[1..n] OF
CARDINAL; PROCEDURE Componer(VAR
sol:SOLUCION);
VAR elem,cap:CARDINAL;
BEGIN
FOR elem:=1 TO n DO (* inicializa solucion *)
sol[elem]:=0
END;
elem:= n; cap:= M;
WHILE (elem<>0) AND
(cap<>0) DO IF
entra[elem,cap] THEN
sol[elem]:=1;
cap:=cap-obj[elem].peso
END;
DEC(ele
m)
END
END Componer;
EL
ALGORITMO
WARSHALL
DE
EL
ALGORITMO
FLOYD
DE
de
Solucin
Este algoritmo puede ser considerado de Programacin Dinmica ya
que es aplicable el principio de ptimo, que puede enunciarse para este
problema de la siguiente forma: si en el camino mnimo de vi a vj, vk es un
vrtice intermedio, los caminos de vi a vk y de vk a vj han de ser a su
vez caminos mnimos. Por lo tanto, puede plantearse la relacin en
recurrencia que resuelve el problema como:
EL ALGORITMO DE DIJKSTRA
Solucin
La tcnica de la Programacin Dinmica tiene grandes ventajas, y una de
ellas es la de ofrecer un diseo adecuado y eficiente a todos los problemas
que puedan plantearse de forma recursiva y cumplan el principio del
ptimo.
As, es posible plantear el algoritmo de Dijkstra en trminos de la
Programacin
Dinmica, y de esta forma aprovechar el mtodo de diseo y las ventajas
que esta tcnica ofrece.
En primer lugar, observemos que es posible aplicar el principio de ptimo en
este caso: si en el camino mnimo de vi a vj est un vrtice vk como
intermedio, los caminos parciales de vi a vk y de vk a vj han de ser a su vez
mnimos.
Llamaremos D(j) al vector que contiene el camino mnimo desde el vrtice
origen i = 1 a cada vrtice vj, 2 j n, siendo n el nmero de vrtices.
Inicialmente D contiene los arcos L(1,j), o bien si no existe el arco. A
continuacin, y para cada vrtice vk del grafo con k 1, se repetir:
E;
D[i]:=L[1
,i]
END;
S[1]:=TR
UE;
FOR i:=2 TO n-1 DO
menor:=Menor(D,
S,pos);
S[pos]:=TRUE;
FOR j:=2 TO n DO
IF NOT(S[j]) THEN
D[j]:= Min2(D[j],D[pos]
+L[pos,j]) END;
EN
D; END
END Dijkstra;
La funcin Menor es la que calcula el mnimo de la expresin en
recurrencia que define la solucin del problema:
PROCEDURE Menor(VAR D:SOLUCION; VAR S:MARCA; VAR pos:CARDINAL)
:CARDINAL;
VAR
menor,i:CARDINAL;
BEGIN
menor:=MAX(CARDINAL);
pos:=1; FOR i:=2 TO n
DO
IF NOT(S[i]) THEN
IF D[i]<menor THEN
menor:=D[i]; pos:=i
EN
D END
END;
RETURN menor
END
Menor;
2
La complejidad temporal del algoritmo es de orden O(n ), siendo
de orden O(n) su complejidad espacial. No ganamos
sustancialmente en eficiencia mediante el uso de esta tcnica
frente al planteamiento vido del algoritmo, pero sin embargo s
ganamos en sencillez del diseo e implementacin de la solucin
a partir del planteamiento del problema.
enumerando en forma detallada todas las rutas entre los nodos 1 y 7 (hay
cinco). Sin embargo, en una red grande, la enumeracin exhaustiva no se
puede manejar de manera computacional.
Figura 1
Para resolver el problema con programacin dinmica primero se
descompone en etapas, delimitadas por las lneas verticales interrumpidas
de la figura 10.2. A continuacin se hacen los clculos para cada etapa por
separado.El concepto general es calcular las distancias (acumuladas) ms
cortas a todos los nodos terminales de una etapa, para usarlas a
continuacin como datos de la etapa inmediata posterior.
La etapa 1 tiene tres nodos finales, 2, 3 y 4, y sus clculos son sencillos.
Figura 2
Resumen de resultados de la etapa 1.
Distancia ms corta al nodo 2 _ 7 millas (desde el nodo 1)
Distancia ms corta al nodo 3 _ 8 millas (desde el nodo 1)
Distancia ms corta al nodo 4 _ 5 millas (desde el nodo 1)
A continuacin, la etapa 2 tiene dos nodos extremos, el 5 y el 6. Si se
considera primero el nodo 5, se ve en la figura 2 que hay tres rutas posibles
para llegar a l, que son (2, 5), (3, 5) y (4, 5). Esta informacin, junto con las
vincula las etapas, de tal modo que se puedan tomar las decisiones para las
etapas restantes sin volver a examinar cmo se lleg a las decisiones de las
etapas anteriores. La definicin correcta de estado permite considerar por
separado cada estado, y garantiza que la solucin sea factible para todos
los estados. La definicin de estado conduce al siguiente marco unificador
de la programacin dinmica.
2) PROBLEMA DE LA MOCHILA
El modelo clsico de la mochila tiene que ver con el caso de un soldado (o
un montaista) que debe decidir cules son los artculos ms valiosos que
debe llevar en su mochila. Este problema parafrasea un modelo general de
asignacin de recursos en el que un solo recurso limitado se asigna a varias
alternativas (por ejemplo, fondos limitados asignados a proyectos) con
objeto de maximizar el ingreso total. Antes de presentar el modelo de
programacin dinmica, haremos notar que en las publicaciones,
al problema de la mochila tambin se le llama problema de conjunto de
fuga o equipo de vuelo, en el que un piloto de un avin a reaccin debe
determinar los artculos ms valiosos (de emergencia) que debe llevar a
bordo, y el problema de carga de flete o del contenedor, en el que un barco
con capacidad limitada de volumen o peso se carga con los fletes ms
valiosos. Parece que estos tres nombres se acuaron en las tres ramas de
las fuerzas armadas estadounidenses: la fuerza area, el ejrcito y la
marina! La ecuacin recursiva (en reversa) se desarrolla para el problema
general de una mochila de W libras, con n artculos. Sea mi la cantidad de
unidades del artculo i en la mochila, y defnanse ri y wi como el ingreso y el
peso por unidad del artculo i. El problema general se representa con el
siguiente programa lineal entero:
Maximizar z = r1m1 + r2m2 + p + rnmn
sujeta a
w1m1 + w2m2 + p + wnmn W
m1, m2, p , mn 0 y enteros
Los tres elementos del modelo son
1. La etapa i se representa con el artculo ,i,i = 1, 2, p , n
2. Las alternativas en la etapa i se representan por mi, la cantidad de
unidades del artculo i que entran en la mochila. El ingreso correspondiente
es rimi. Si se define [W/wi] como el mximo entero menor o igual a W /w ,
se ve que . mi = 0, 1, p , [Ww/iW ]
3. El estado en la etapa i se representa por xi, el peso total asignado a las
etapas (artculos) , y n. Esta definicin refleja el que la restriccin del peso
es la nica que vincula entre s a todas las n etapas.
Definiremos a
fi 1xi2 = como el ingreso mximo para las etapas i, i + 1, y n, dado el
estado xi
La forma ms sencilla de determinar la ecuacin recursiva es un
procedimiento con dos pasos:
Paso 1.
Paso 2
3) PROBLEMA DE LA DILIGENCIA
Este problema est referido a encontrar la ruta ptima (ruta mnima o
ruta ms confiable), para viajar desde un punto llamado nodo inicial o
fuente hacia otro llamado nodo final o destino a travs de una red de
caminos que los conecta dados los retornos (costos beneficios tiempo,
etc.), asociados con los arcos o ramas de la red.
En este caso lo primero que hay que reconocer es, que al tomar una
decisin para decidir que ruta seguir en forma general para todo el
problema, involucra analizar toda la red esto hace que el problema sea
complejo, por cuanto del nodo 1 al 14 existen mltiples alternativas en
las que se encuentran varias ramas en la ruta. En segundo lugar, ver si
es posible dividir el problema en subproblemas o etapas de manera que
la decisin en cada subproblema sea ms fcil; en este sentido se ha
dividi el problema en 5 etapas, de la 1 a la 5 conforme se aprecia en la
Funcin
Recursiva
General
Funcin de PD.
Recursiva
para
el
Problema
Representa la distancia por tomar la decisin Dn
en la etapa n, para pasar del estado Sn al estado
Sn+1.
Donde:
Nota:
Para n=3
Para n=2
Para n=1