SlideShare una empresa de Scribd logo

ASIGNACIÓN DE RECURSOS CON PROGRAMACIÓN DINAMICA

•
•
ADRIANA NIETO
ADRIANA NIETO

1) Se busca asignar 6,000 euros entre 3 proyectos de inversión para maximizar las ganancias. Cada proyecto tiene diferentes retornos dependiendo de la cantidad invertida. 2) Se usa programación dinámica con matrices para resolver el problema iterativamente asignando fondos de forma óptima a cada proyecto. 3) Se describe el modelo de programación dinámica incluyendo etapas, estados, variables de decisión y función de recursividad para calcular la asignación óptima.

Educación
1 de 68
ASIGNACIÓN DE RECURSOS CON PROGRAMACIÓN DINÁMICA EMPLEANDO EL MÉTODO DE MATRICES COMPUTACIONALES M.C ADRIANA NIETO CASTELLANOS INSTITUTO TECNOLOGICO DE TEHUACAN OCTUBRE 2011
ASIGNACIÓN DE RECURSOS Una financiera tiene 6,000 euros para invertir entre tres posibles alternativas de inversión. Esta puede invertir el dinero en partes, todo o nada de los 6,000 euros en cada proyecto de inversión. Se tiene como limitante el invertir solo en unidades de mil euros, la ganancia esperada de una inversión depende de la cantidad de dinero asignada a esta. Esta información está dada en la Tabla 1. Al inversionista le gustaría asignar su dinero de tal forma que maximice su ingreso total. Tabla 1 PROYECTOS Cantidad invertida € A B C 0 0 0 0 1,000€ 9 10 9 2,000€ 16 13 13 3,000€ 23 16 17 4,000€ 30 19 21 5,000€ 37 22 25 6,000€ 44 25 29 *Retornos en miles de euros = r(Xn) Cada uno de los valores representa el ingreso sobre la cantidad invertida. Tabla 1 Retornos* esperados por invertir diversas cantidades compitiendo en proyectos de capital
1) ETAPAS DE LA EVOLUCIÓN DEL SISTEMA Tenemos un problema de tipo determinístico, no homogéneo, con horizonte finito es decir el número de etapas está limitado a las tres alternativas de inversión así podemos definir las etapas: ETAPA PROYECTOS n=3 A n=2 B n=1 C
2) ESTADOS DEL SISTEMA El elemento determinante para saber qué cantidad podemos invertir en un proyecto, es la cantidad de dinero disponible. Esta variable será, entonces, una buena candidata a variable de estado del sistema. De manera que tenemos los estados siguientes: Estado Cantidad disponible a invertir e=0 No se invierte 0€ e=1 Se invierten: 1000€ e=2 Se invierten: 2000€ e=3 Se invierten: 3000€ e=4 Se invierten: 4000€ e=5 Se invierten: 5000€ e=6 Se invierten: 6000€
3) Variables de decisión y políticas La decisión a tomar en cada etapa es claramente qué cantidad de dinero podemos invertir a cada proyecto. Así la variable de decisión se definirá para cada etapa n como: Xn= cantidad de dinero a invertir en el proyecto propio de la etapa n Valor variable de estado e Valores posibles de la variable de decisión Xn e=0 x0= 0 e=1 x1= 0, 1000 e=2 x2= 0, 1000, 2000 e=3 x3= 0, 1000, 2000, 3000 e=4 x4= 0, 1000, 2000, 3000, 4000 e=5 x5= 0, 1000, 2000, 3000, 4000, 5000 e=6 x6= 0, 1000, 2000, 3000, 4000, 5000, 6000 PASAR LOS DATOS A UNA TABLA DE DOS ENTRADAS
Etapa 3 proyecto A Elaborar una TABLA que contenga los estados del sistema e3 y se colocan como entrada e3 0 NF NF NF NF NF NF 1000 NF NF NF NF NF 2000 NF NF NF NF 3000 NF NF NF 4000 NF NF 5000 NF 6000 ETAPA n=3: CANTIDAD INVERTIDA EN EL PROYECTO C
Los posibles valores de las variables de decisión X3 y se colocan como otra entrada de la tabla X3 e3 0 1000 2000 3000 4000 5000 6000 0 NF NF NF NF NF NF 1000 NF NF NF NF NF 2000 NF NF NF NF 3000 NF NF NF 4000 NF NF 5000 NF 6000 ETAPA n=3: CANTIDAD INVERTIDA EN EL PROYECTO C
4) FUNCIÓN DE RECURRENCIA Si tenemos disponible en cantidad de dinero y decidimos invertirlo al proyecto Xn, en-xn cantidad de dinero disponible para la etapa siguiente quedará. La función de recurrencia será: fn(en, xn) = rn(xn) + f*n+1(en - xn) fn Representa el rendimiento obtenido por la inversión de dinero al un proyecto desde la etapa n hasta la última etapa. La función óptima será el máximo para cada estado
Etapa 3 proyecto A f3(e3) = r3(x3) + f4*(e3 –x3)= r3(x3) Retorno actual en miles de euros para el proyecto C PROYECTO Cantidad A invertida € 0 0 1) Registrar r3(x3) en la 1,000€ 9 tabla de dos entradas 2,000€ 16 3,000€ 23 por columna 4,000€ 30 5,000€ 37 6,000€ 44 Cada uno de los valores representa el ingreso sobre la cantidad invertida.
Etapa 3 proyecto A f3(e3) = r3(x3) + f4*(e3 –x3), r3(x3) Registrar el retorno de la etapa C Cantidad invertida € C r3(x3) 0 0 X3 f3(e3) = r3(x3) + f4*(e3 –x3)= e3 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) NF NF NF NF NF 2000 (0+ ) NF NF NF NF 3000 (0+ ) NF NF NF 4000 (0+ ) NF NF 5000 (0+ ) NF 6000 (0+ )
Etapa 3 proyecto A f3(e3) = r3(x3) + f4*(e3 –x3), r3(x3) Registrar el retorno de la etapa C Cantidad invertida € C r3(x3) 1000 9 X3 f3(e3) = r3(x3) + f4*(e3 –x3)= e3 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (9 + ) NF NF NF NF NF 2000 (0+ ) (9 + ) NF NF NF NF 3000 (0+ ) (9 + ) NF NF NF 4000 (0+ ) (9 + ) NF NF 5000 (0+ ) (9 + ) NF 6000 (0+ ) (9 + )
Etapa 3 proyecto A f3(e3) = r3(x3) + f4*(e3 –x3), r3(x3) Registrar el retorno de la etapa C Cantidad invertida € C r3(x3) 2000 16 X3 f3(e3) = r3(x3) + f4*(e3 –x3)= e3 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (9 + ) NF NF NF NF NF 2000 (0+ ) (9 + ) (16+ ) NF NF NF NF 3000 (0+ ) (9 + ) (16+ ) NF NF NF 4000 (0+ ) (9 + ) (16+ ) NF NF 5000 (0+ ) (9 + ) (16+ ) NF 6000 (0+ ) (9 + ) (16+ )
Etapa 3 proyecto A f3(e3) = r3(x3) + f4*(e3 –x3), r3(x3) Registrar el retorno de la etapa C Cantidad invertida € C r3(x3) 3000 23 X3 f3(e3) = r3(x3) + f4*(e3 –x3)= e3 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (9 + ) NF NF NF NF NF 2000 (0+ ) (9 + ) (16+ ) NF NF NF NF 3000 (0+ ) (9 + ) (16 + ) (23 + ) NF NF NF 4000 (0+ ) (9 + ) (16 + ) (23 + ) NF NF 5000 (0+ ) (9 + ) (16 + ) (23 + ) NF 6000 (0+ ) (9 + ) (16 + ) (23 + )
Etapa 3 proyecto A f3(e3) = r3(x3) + f4*(e3 –x3), r3(x3) Registrar el retorno de la etapa C Cantidad invertida € C r3(x3) 4000 30 X3 f3(e3) = r3(x3) + f4*(e3 –x3)= e3 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (9 + ) NF NF NF NF NF 2000 (0+ ) (9 + ) (16+ ) NF NF NF NF 3000 (0+ ) (9 + ) (16 + ) (23 + ) NF NF NF 4000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + ) NF NF 5000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + ) NF 6000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + )
Etapa 3 proyecto A f3(e3) = r3(x3) + f4*(e3 –x3), r3(x3) Registrar el retorno de la etapa C Cantidad invertida € C r3(x3) 5000 37 X3 f3(e3) = r3(x3) + f4*(e3 –x3)= e3 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (9 + ) NF NF NF NF NF 2000 (0+ ) (9 + ) (16+ ) NF NF NF NF 3000 (0+ ) (9 + ) (16 + ) (23 + ) NF NF NF 4000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + ) NF NF 5000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + ) (37 + ) NF 6000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + ) (37 + )
Etapa 3 proyecto A f3(e3) = r3(x3) + f4*(e3 –x3), r3(x3) Registrar el retorno de la etapa C Cantidad invertida € C r3(x3) 6000 44 X3 f3(e3) = r3(x3) + f4*(e3 –x3)= e3 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (9 + ) NF NF NF NF NF 2000 (0+ ) (9 + ) (16+ ) NF NF NF NF 3000 (0+ ) (9 + ) (16 + ) (23 + ) NF NF NF 4000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + ) NF NF 5000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + ) (37 + ) NF 6000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + ) (37 + ) (44 + )
Al termino de la etapa 3, f3(e3, x3) = r3(x3) + f(3+1)*(e3 – x3) f3(e3) = r3(x3) + f4*(e3 –x3) alcanza el estado final, f4*(X3)= 0 (cero cantidad de dinero a invertir). 2) SUMAR EL ESTADO FUTURO ÓPTIMO f4*= 0 Y EVALUAR LA FUNCIÓN f3(e3) X3 f3(e3) = r3(x3) + f4*(e3 –x3)= e3 0 1000 2000 3000 4000 5000 6000 0 (0+ 0) NF NF NF NF NF NF 1000 (0+ 0) (9 + 0) NF NF NF NF NF 2000 (0+ 0) (9 + 0) (16+ 0) NF NF NF NF 3000 (0+ 0) (9 + 0) (16+ 0) (23 + 0) NF NF NF 4000 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) NF NF 5000 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) (37 +0 ) NF 6000 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) (37 +0 ) (44 +0 )
Etapa 3 proyecto A 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X3 f3(e3) = r3(x3) + f4*(e3 –x3)= Óptima e3 0 1000 2000 3000 4000 5000 6000 f3*(e3) x3* (0+ 0) 0 NF NF NF NF NF NF 0 0 0 (0+ 0) (9 + 0) 1000 NF NF NF NF NF 0 9 (0+ 0) (9 + 0) (16+ 0) 2000 NF NF NF NF 0 9 16 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 3000 NF NF NF 0 9 16 23 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) 4000 NF NF 0 9 16 23 30 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) 5000 NF 0 9 16 23 30 37 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) (44 +0 ) 6000 0 9 16 23 30 37 44
Etapa 3 proyecto A 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X3 f3(e3) = r3(x3) + f4*(e3 –x3)= Óptima e3 0 1000 2000 3000 4000 5000 6000 f3*(e3) x3* (0+ 0) 0 NF NF NF NF NF NF 0 0 0 (0+ 0) (9 + 0) 1000 NF NF NF NF NF 9 1000 0 9 (0+ 0) (9 + 0) (16+ 0) 2000 NF NF NF NF 0 9 16 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 3000 NF NF NF 0 9 16 23 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) 4000 NF NF 0 9 16 23 30 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) 5000 NF 0 9 16 23 30 37 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) (44 +0 ) 6000 0 9 16 23 30 37 44
Etapa 3 proyecto A 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X3 f3(e3) = r3(x3) + f4*(e3 –x3)= Óptima e3 0 1000 2000 3000 4000 5000 6000 f3*(e3) x3* (0+ 0) 0 NF NF NF NF NF NF 0 0 0 (0+ 0) (9 + 0) 1000 NF NF NF NF NF 9 1000 0 9 (0+ 0) (9 + 0) (16+ 0) 2000 NF NF NF NF 16 2000 0 9 16 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 3000 NF NF NF 0 9 16 23 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) 4000 NF NF 0 9 16 23 30 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) 5000 NF 0 9 16 23 30 37 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) (44 +0 ) 6000 0 9 16 23 30 37 44
Etapa 3 proyecto A 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X3 f3(e3) = r3(x3) + f4*(e3 –x3)= Óptima e3 0 1000 2000 3000 4000 5000 6000 f3*(e3) x3* (0+ 0) 0 NF NF NF NF NF NF 0 0 0 (0+ 0) (9 + 0) 1000 NF NF NF NF NF 9 1000 0 9 (0+ 0) (9 + 0) (16+ 0) 2000 NF NF NF NF 16 2000 0 9 16 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 3000 NF NF NF 23 3000 0 9 16 23 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) 4000 NF NF 0 9 16 23 30 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) 5000 NF 0 9 16 23 30 37 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) (44 +0 ) 6000 0 9 16 23 30 37 44
Etapa 3 proyecto A 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X3 f3(e3) = r3(x3) + f4*(e3 –x3)= Óptima e3 0 1000 2000 3000 4000 5000 6000 f3*(e3) x3* (0+ 0) 0 NF NF NF NF NF NF 0 0 0 (0+ 0) (9 + 0) 1000 NF NF NF NF NF 9 1000 0 9 (0+ 0) (9 + 0) (16+ 0) 2000 NF NF NF NF 16 2000 0 9 16 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 3000 NF NF NF 23 3000 0 9 16 23 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) 4000 NF NF 30 4000 0 9 16 23 30 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) 5000 NF 0 9 16 23 30 37 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) (44 +0 ) 6000 0 9 16 23 30 37 44
Etapa 3 proyecto A 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X3 f3(e3) = r3(x3) + f4*(e3 –x3)= Óptima e3 0 1000 2000 3000 4000 5000 6000 f3*(e3) x3* (0+ 0) 0 NF NF NF NF NF NF 0 0 0 (0+ 0) (9 + 0) 1000 NF NF NF NF NF 9 1000 0 9 (0+ 0) (9 + 0) (16+ 0) 2000 NF NF NF NF 16 2000 0 9 16 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 3000 NF NF NF 23 3000 0 9 16 23 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) 4000 NF NF 30 4000 0 9 16 23 30 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) 5000 NF 37 5000 0 9 16 23 30 37 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) (44 +0 ) 6000 0 9 16 23 30 37 44
Etapa 3 proyecto A 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X3 f3(e3) = r3(x3) + f4*(e3 –x3)= Óptima e3 0 1000 2000 3000 4000 5000 6000 f3*(e3) x3* (0+ 0) 0 NF NF NF NF NF NF 0 0 0 (0+ 0) (9 + 0) 1000 NF NF NF NF NF 9 1000 0 9 (0+ 0) (9 + 0) (16+ 0) 2000 NF NF NF NF 16 2000 0 9 16 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 3000 NF NF NF 23 3000 0 9 16 23 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) 4000 NF NF 30 4000 0 9 16 23 30 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) 5000 NF 37 5000 0 9 16 23 30 37 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) (44 +0 ) 6000 44 6000 0 9 16 23 30 37 44
Etapa 3 proyecto A Ya hemos asignamos todos los proyectos que estén disponibles en este momento de tal manera que f3(e3, x3) = r3(x3) X3 f3(e3) = r3(x3) + f4*(e3 –x3)= Óptima e3 0 1000 2000 3000 4000 5000 6000 f3*(e3) x3* (0+ 0) 0 NF NF NF NF NF NF 0 0 0 (9 + 0) 1000 NF NF NF NF NF 9 1000 9 (16+ 0) 2000 NF NF NF NF 16 2000 16 (23 + 0) 3000 NF NF NF 23 3000 23 (30 +0) 4000 NF NF 30 4000 30 (37 +0 ) 5000 NF 37 5000 37 (44 +0 ) 6000 44 6000 44
Etapa 3 proyecto A Ya hemos asignamos todos los proyectos que estén disponibles en este momento de tal manera que f3(e3, x3) = r3(x3) X3 Óptima f3(e3) = r3(x3) + 0 e3 f3*(e3) x3* 0 (0+0)= 0 0 0 1000 (9 + 0)= 9 9 1000 2000 (16+ 0)= 16 16 2000 3000 (23 + 0)= 23 23 3000 4000 (30 + 0)=30 30 4000 5000 (37 + 0)=37 37 5000 6000 (44 + 0)=44 44 6000
En la etapa 3, El proyecto A, es el último proyecto en el que será invertido el dinero. Podemos entrar a esta etapa con una cantidad de dinero desde 0€ a 6000€. Esto se observa por los siete renglones representando los siete posibles estados de entrada. En teoría, podemos invertir cualquier cantidad de dinero menor o igual que la cantidad que tenemos disponible en esta etapa. En realidad, se desea invertir todo el dinero disponible en esta etapa, porque ésta es nuestra última oportunidad de inversión. Puesto que NO es posible invertir más dinero que el disponible, habrá un número de celdas no factibles en la matriz que se marcan con NF.(NO FACTIBLE)
Etapa 2 proyecto B f2(e2) = r2(x2) + f3*(e2 –x2)= r2(x2) Retorno actual en miles de euros para el proyecto B PROYECTO Cantidad B invertida € 0 0 1) Registrar r2(x2) en la 1,000€ 10 tabla de dos entradas 2,000€ 13 por columna 3,000€ 16 4,000€ 19 5,000€ 22 6,000€ 25 Cada uno de los valores representa el ingreso sobre la cantidad invertida.
Etapa 2 proyecto B f2(e2) = r2(x2) + f3*(e2 –x2), r2(x2) Registrar el retorno de la etapa B Cantidad invertida € B r2(x2) 0 0 X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) NF NF NF NF NF 2000 (0+ ) NF NF NF NF 3000 (0+ ) NF NF NF 4000 (0+ ) NF NF 5000 (0+ ) NF 6000 (0+ )
Etapa 2 proyecto B f2(e2) = r2(x2) + f3*(e2 –x2), r2(x2) Registrar el retorno de la etapa B Cantidad invertida € B r2(x2) 1000 10 X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (10 + ) NF NF NF NF NF 2000 (0+ ) (10 + ) NF NF NF NF 3000 (0+ ) (10 + ) NF NF NF 4000 (0+ ) (10 + ) NF NF 5000 (0+ ) (10 + ) NF 6000 (0+ ) (10 + )
Etapa 2 proyecto B f2(e2) = r2(x2) + f3*(e2 –x2), r2(x2) Registrar el retorno de la etapa B Cantidad invertida € B r2(x2) 2000 13 X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (10 + ) NF NF NF NF NF 2000 (0+ ) (10 + ) (13+ ) NF NF NF NF 3000 (0+ ) (10 + ) (13+ ) NF NF NF 4000 (0+ ) (10 + ) (13+ ) NF NF 5000 (0+ ) (10 + ) (13+ ) NF 6000 (0+ ) (10 + ) (13+ )
Etapa 2 proyecto B f2(e2) = r2(x2) + f3*(e2 –x2), r2(x2) Registrar el retorno de la etapa B Cantidad invertida € B r2(x2) 3000 16 X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (10 + ) NF NF NF NF NF 2000 (0+ ) (10 + ) (13+ ) NF NF NF NF 3000 (0+ ) (10 + ) (13+ ) (16+ ) NF NF NF 4000 (0+ ) (10 + ) (13+ ) (16+ ) NF NF 5000 (0+ ) (10 + ) (13+ ) (16+ ) NF 6000 (0+ ) (10 + ) (13+ ) (16+ )
Etapa 2 proyecto B f2(e2) = r2(x2) + f3*(e2 –x2), r2(x2) Registrar el retorno de la etapa B Cantidad invertida € B r2(x2) 4000 19 X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (10 + ) NF NF NF NF NF 2000 (0+ ) (10 + ) (13+ ) NF NF NF NF 3000 (0+ ) (10 + ) (13+ ) (16+ ) NF NF NF 4000 (0+ ) (10 + ) (13+ ) (16+ ) (19 + ) NF NF 5000 (0+ ) (10 + ) (13+ ) (16+ ) (19 + ) NF 6000 (0+ ) (10 + ) (13+ ) (16+ ) (19 + )
Etapa 2 proyecto B f2(e2) = r2(x2) + f3*(e2 –x2), r2(x2) Registrar el retorno de la etapa B Cantidad invertida € B r2(x2) 5000 22 X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (10 + ) NF NF NF NF NF 2000 (0+ ) (10 + ) (13+ ) NF NF NF NF 3000 (0+ ) (10 + ) (13+ ) (16+ ) NF NF NF 4000 (0+ ) (10 + ) (13+ ) (16+ ) (19 + ) NF NF 5000 (0+ ) (10 + ) (13+ ) (16+ ) (19 + ) (22 + ) NF 6000 (0+ ) (10 + ) (13+ ) (16+ ) (19 + ) (22 + )
Etapa 2 proyecto B f2(e2) = r2(x2) + f3*(e2 –x2), r2(x2) Registrar el retorno de la etapa B Cantidad invertida € B r2(x2) 6000 25 X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (10 + ) NF NF NF NF NF 2000 (0+ ) (10 + ) (13+ ) NF NF NF NF 3000 (0+ ) (10 + ) (13+ ) (16 + ) NF NF NF 4000 (0+ ) (10 + ) (13+ ) (16 + ) (19 + ) NF NF 5000 (0+ ) (10 + ) (13+ ) (16 + ) (19 + ) (22 + ) NF 6000 (0+ ) (10 + ) (13+ ) (16 + ) (19 + ) (22 + ) (25 + )
Al termino de la etapa 2, f2(e2, x2) = r2(x2) + f(2+1)*(e2 – x2) f2(e2) = r2(x2) + f3*(e2 –x2) alcanza el estado final, f3*(X3)= cantidad de dinero a invertir de la etapa anterior 2) SUMAR EL ESTADO FUTURO ÓPTIMO f3*= (0,0) (9,1000) (16,2000) (23, 3000) (30,4000) (37, 5000) (44,6000) y evaluar f2(e2) X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ 0) NF NF NF NF NF NF 1000 (0+ ) (10 +0) NF NF NF NF NF 2000 (0+ ) (10 + ) (13+0) NF NF NF NF 3000 (0+ ) (10 + ) (13+ ) (16 + 0) NF NF NF 4000 (0+ ) (10 + ) (13+ ) (16 + ) (19 + 0) NF NF 5000 (0+ ) (10 + ) (13+ ) (16 + ) (19 + ) (22 +0) NF 6000 (0+ ) (10 + ) (13+ ) (16 + ) (19 + ) (22 + ) (25 +0)
Al termino de la etapa 2, f2(e2, x2) = r2(x2) + f(2+1)*(e2 – x2) f2(e2) = r2(x2) + f3*(e2 –x2) alcanza el estado final, f3*(X3)= cantidad de dinero a invertir de la etapa anterior 2) SUMAR EL ESTADO FUTURO ÓPTIMO f3*= (0,0) (9,1000) (16,2000) (23, 3000) (30,4000) (37, 5000) (44,6000) y evaluar f2(e2) X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ 0) NF NF NF NF NF NF 1000 (0+9) (10 +0) NF NF NF NF NF 2000 (0+ ) (10 +9) (13+0) NF NF NF NF 3000 (0+ ) (10 + ) (13+9) (16 +0) NF NF NF 4000 (0+ ) (10 + ) (13+ ) (16 +9) (19 +0) NF NF 5000 (0+ ) (10 + ) (13+ ) (16 + ) (19 +9) (22 +0) NF 6000 (0+ ) (10 + ) (13+ ) (16 + ) (19 + ) (22 +9) (25 +0)
Al termino de la etapa 2, f2(e2, x2) = r2(x2) + f(2+1)*(e2 – x2) f2(e2) = r2(x2) + f3*(e2 –x2) alcanza el estado final, f3*(X3)= cantidad de dinero a invertir de la etapa anterior 2) SUMAR EL ESTADO FUTURO ÓPTIMO f3*= (0,0) (9,1000) (16,2000) (23, 3000) (30,4000) (37, 5000) (44,6000) y evaluar f2(e2) X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ 0) NF NF NF NF NF NF 1000 (0+9) (10 +0) NF NF NF NF NF 2000 (0+16) (10 +9) (13+0) NF NF NF NF 3000 (0+ ) (10 +16) (13+9) (16 +0) NF NF NF 4000 (0+ ) (10 + ) (13+16) (16 +9) (19+0) NF NF 5000 (0+ ) (10 + ) (13+ ) (16 +16) (19 +9) (22 +0) NF 6000 (0+ ) (10 + ) (13+ ) (16 + ) (19 +16) (22 +9) (25 +0)
Al termino de la etapa 2, f2(e2, x2) = r2(x2) + f(2+1)*(e2 – x2) f2(e2) = r2(x2) + f3*(e2 –x2) alcanza el estado final, f3*(X3)= cantidad de dinero a invertir de la etapa anterior 2) SUMAR EL ESTADO FUTURO ÓPTIMO f3*= (0,0) (9,1000) (16,2000) (23, 3000) (30,4000) (37, 5000) (44,6000) y evaluar f2(e2) X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ 0) NF NF NF NF NF NF 1000 (0+9) (10 +0) NF NF NF NF NF 2000 (0+16) (10 +9) (13+0) NF NF NF NF 3000 (0+ 23) (10 +16) (13+9) (16 +0) NF NF NF 4000 (0+ ) (10 +23) (13+16) (16 +9) (19+0) NF NF 5000 (0+ ) (10 + ) (13+23) (16 +16) (19 +9) (22 +0) NF 6000 (0+ ) (10 + ) (13+ ) (16 +23) (19 +16) (22 +9) (25 +0)
Al termino de la etapa 2, f2(e2, x2) = r2(x2) + f(2+1)*(e2 – x2) f2(e2) = r2(x2) + f3*(e2 –x2) alcanza el estado final, f3*(X3)= cantidad de dinero a invertir de la etapa anterior 2) SUMAR EL ESTADO FUTURO ÓPTIMO f3*= (0,0) (9,1000) (16,2000) (23, 3000) (30,4000) (37, 5000) (44,6000) y evaluar f2(e2) f2(e2) = r2(x2) + f3*(e2 –x2)= 0 1000 2000 3000 4000 5000 6000 0 (0+ 0) NF NF NF NF NF NF 1000 (0+9) (10 +0) NF NF NF NF NF 2000 (0+16) (10 +9) (13+0) NF NF NF NF 3000 (0+ 23) (10 +16) (13+9) (16 +0) NF NF NF 4000 (0+30) (10 +23) (13+16) (16 +9) (19+0) NF NF 5000 (0+ ) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) NF 6000 (0+ ) (10 + ) (13+30) (16 +23) (19 +16) (22 +9) (25 +0)
Al termino de la etapa 2, f2(e2, x2) = r2(x2) + f(2+1)*(e2 – x2) f2(e2) = r2(x2) + f3*(e2 –x2) alcanza el estado final, f3*(X3)= cantidad de dinero a invertir de la etapa anterior 2) SUMAR EL ESTADO FUTURO ÓPTIMO f3*= (0,0) (9,1000) (16,2000) (23, 3000) (30,4000) (37, 5000) (44,6000) y evaluar f2(e2) X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ 0) NF NF NF NF NF NF 1000 (0+9) (10 +0) NF NF NF NF NF 2000 (0+16) (10 +9) (13+0) NF NF NF NF 3000 (0+ 23) (10 +16) (13+9) (16 +0) NF NF NF 4000 (0+30) (10 +23) (13+16) (16 +9) (19+0) NF NF 5000 (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) NF 6000 (0+ ) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0)
Al termino de la etapa 2, f2(e2, x2) = r2(x2) + f(2+1)*(e2 – x2) f2(e2) = r2(x2) + f3*(e2 –x2) alcanza el estado final, f3*(X3)= cantidad de dinero a invertir de la etapa anterior 2) SUMAR EL ESTADO FUTURO ÓPTIMO f3*= (0,0) (9,1000) (16,2000) (23, 3000) (30,4000) (37, 5000) (44,6000) y evaluar f2(e2) X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ 0) NF NF NF NF NF NF 1000 (0+9) (10 +0) NF NF NF NF NF 2000 (0+16) (10 +9) (13+0) NF NF NF NF 3000 (0+ 23) (10 +16) (13+9) (16 +0) NF NF NF 4000 (0+30) (10 +23) (13+16) (16 +9) (19+0) NF NF 5000 (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) NF 6000 (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0)
Al termino de la etapa 2, f2(e2, x2) = r2(x2) + f(2+1)*(e2 – x2) f2(e2) = r2(x2) + f3*(e2 –x2) alcanza el estado final, f3*(X3)= cantidad de dinero a invertir de la etapa anterior 2) SUMAR EL ESTADO FUTURO ÓPTIMO f3*= (0,0) (9,1000) (16,2000) (23, 3000) (30,4000) (37, 5000) (44,6000) y evaluar f2(e2) X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 (0+ 0) 0 0 NF NF NF NF NF NF (0+9) (10 +0) 1000 9 10 NF NF NF NF NF (0+16) (10 +9) (13+0) 2000 16 19 13 NF NF NF NF (0+ 23) (10 +16) (13+9) (16 +0) 3000 23 26 22 16 NF NF NF (0+30) (10 +23) (13+16) (16 +9) (19+0) 4000 30 33 29 25 19 NF NF (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) 5000 37 40 26 32 28 22 NF (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0) 6000 44 47 39 39 35 31 25
Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X2 f2(e2) = r2(x2) + f3*(e2 –x2)= Óptima e2 0 1000 2000 3000 4000 5000 6000 f2*(e2) x2* (0+ 0) 0 0 NF NF NF NF NF NF 0 0 (0+9) (10 +0) 1000 9 10 NF NF NF NF NF (0+16) (10 +9) (13+0) 2000 16 19 13 NF NF NF NF (0+ 23) (10 +16) (13+9) (16 +0) 3000 23 26 22 16 NF NF NF (0+30) (10 +23) (13+16) (16 +9) (19+0) 4000 30 33 29 25 19 NF NF (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) 5000 37 40 26 32 28 22 NF (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0) 6000 44 47 39 39 35 31 25
Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X2 f2(e2) = r2(x2) + f3*(e2 –x2)= Óptima e2 0 1000 2000 3000 4000 5000 6000 f2*(e2) x2* (0+ 0) 0 0 NF NF NF NF NF NF 0 0 (0+9) (10 +0) 1000 9 10 NF NF NF NF NF 10 1000 (0+16) (10 +9) (13+0) 2000 16 19 13 NF NF NF NF (0+ 23) (10 +16) (13+9) (16 +0) 3000 23 26 22 16 NF NF NF (0+30) (10 +23) (13+16) (16 +9) (19+0) 4000 30 33 29 25 19 NF NF (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) 5000 37 40 26 32 28 22 NF (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0) 6000 44 47 39 39 35 31 25
Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X2 f2(e2) = r2(x2) + f3*(e2 –x2)= Óptima e2 0 1000 2000 3000 4000 5000 6000 f2*(e2) x2* (0+ 0) 0 0 NF NF NF NF NF NF 0 0 (0+9) (10 +0) 1000 9 10 NF NF NF NF NF 10 1000 (0+16) (10 +9) (13+0) 2000 16 19 13 NF NF NF NF 19 1000 (0+ 23) (10 +16) (13+9) (16 +0) 3000 23 26 22 16 NF NF NF (0+30) (10 +23) (13+16) (16 +9) (19+0) 4000 30 33 29 25 19 NF NF (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) 5000 37 30 26 32 28 22 NF (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0) 6000 44 47 39 39 35 31 25
Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X2 f2(e2) = r2(x2) + f3*(e2 –x2)= Óptima e2 0 1000 2000 3000 4000 5000 6000 f2*(e2) x2* (0+ 0) 0 0 NF NF NF NF NF NF 0 0 (0+9) (10 +0) 1000 9 10 NF NF NF NF NF 9 1000 (0+16) (10 +9) (13+0) 2000 16 19 13 NF NF NF NF 19 1000 (0+ 23) (10 +16) (13+9) (16 +0) 3000 23 26 22 16 NF NF NF 26 1000 (0+30) (10 +23) (13+16) (16 +9) (19+0) 4000 30 33 29 25 19 NF NF (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) 5000 37 40 26 32 28 22 NF (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0) 6000 44 47 39 39 35 31 25
Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X2 f2(e2) = r2(x2) + f3*(e2 –x2)= Óptima e2 0 1000 2000 3000 4000 5000 6000 f2*(e2) x2* (0+ 0) 0 0 NF NF NF NF NF NF 0 0 (0+9) (10 +0) 1000 9 10 NF NF NF NF NF 9 1000 (0+16) (10 +9) (13+0) 2000 16 19 13 NF NF NF NF 19 1000 (0+ 23) (10 +16) (13+9) (16 +0) 3000 23 26 22 16 NF NF NF 26 1000 (0+30) (10 +23) (13+16) (16 +9) (19+0) 4000 30 33 29 25 19 NF NF 33 1000 (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) 5000 37 40 26 32 28 22 NF (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0) 6000 44 47 39 39 35 31 25
Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X2 f2(e2) = r2(x2) + f3*(e2 –x2)= Óptima e2 0 1000 2000 3000 4000 5000 6000 f2*(e2) x2* (0+ 0) 0 0 NF NF NF NF NF NF 0 0 (0+9) (10 +0) 1000 9 10 NF NF NF NF NF 9 1000 (0+16) (10 +9) (13+0) 2000 16 19 13 NF NF NF NF 19 1000 (0+ 23) (10 +16) (13+9) (16 +0) 3000 23 26 22 16 NF NF NF 26 1000 (0+30) (10 +23) (13+16) (16 +9) (19+0) 4000 30 33 29 25 19 NF NF 33 1000 (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) 5000 37 40 26 32 28 22 NF 40 1000 (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0) 6000 44 47 39 39 35 31 25
Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X2 f2(e2) = r2(x2) + f3*(e2 –x2)= Óptima e2 0 1000 2000 3000 4000 5000 6000 f2* (e2) x2* (0+ 0) 0 0 NF NF NF NF NF NF 0 0 (0+9) (10 +0) 1000 9 10 NF NF NF NF NF 9 1000 (0+16) (10 +9) (13+0) 2000 16 19 13 NF NF NF NF 19 1000 (0+ 23) (10 +16) (13+9) (16 +0) 3000 23 26 22 16 NF NF NF 26 1000 (0+30) (10 +23) (13+16) (16 +9) (19+0) 4000 30 33 29 25 19 NF NF 33 1000 (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) 5000 37 40 26 32 28 22 NF 40 1000 (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0) 6000 44 47 39 39 35 31 25 47 1000
Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X2 Óptima e2 f2* (e2) x2* 0 0* 0 1000 9* 1000 2000 19* 1000 3000 26* 1000 4000 33* 1000 5000 40* 1000 6000 47* 1000
Etapa 1 proyecto C f1(e1) = r1(x1) + f2*(e1 –x1)= r1(x1) Retorno actual en miles de euros para el proyecto B PROYECTO Cantidad C invertida € 0 0 1,000€ 9 1) Registrar r1(x1) en la 2,000€ 13 tabla de dos entradas por columna 3,000€ 17 4,000€ 21 5,000€ 25 6,000€ 29 Cada uno de los valores representa el ingreso sobre la cantidad invertida.
Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A Cantidad invertida € A r1(x1) 0 0 X1 f1(e1) = r1(x1) + f2*(e1 –x1)= e1 0 1000 2000 3000 4000 5000 6000 6000 (0+ ) 0 0 X2 Óptima e2 f2* (e2) x2* 1,000€ 9 0 0* 0 2,000€ 13 1000 9* 1000 3,000€ 17 2000 19* 1000 4,000€ 21 3000 26* 1000 5,000€ 25 4000 33* 1000 5000 40* 1000 6,000€ 29 6000 47* 1000
Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A Cantidad invertida € A r1(x1) 1000 9 X1 f1(e1) = r1(x1) + f2*(e1 –x1)= e1 0 1000 2000 3000 4000 5000 6000 6000 (0+ ) (9+ ) 0 0 1,000€ 9 2,000€ 13 3,000€ 17 4,000€ 21 5,000€ 25 6,000€ 29
Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A Cantidad invertida € A r1(x1) 2000 13 X1 f1(e1) = r1(x1) + f2*(e1 –x1)= e1 0 1000 2000 3000 4000 5000 6000 6000 (0+ ) (9+ ) (13+ ) 0 0 1,000€ 9 2,000€ 13 3,000€ 17 4,000€ 21 5,000€ 25 6,000€ 29
Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A Cantidad invertida € A r1(x1) 3000 17 X1 f1(e1) = r1(x1) + f2*(e1 –x1)= e1 0 1000 2000 3000 4000 5000 6000 6000 (0+ ) (9+ ) (13+ ) (17+ ) 0 0 1,000€ 9 2,000€ 13 3,000€ 17 4,000€ 21 5,000€ 25 6,000€ 29
Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A Cantidad invertida € A r1(x1) 4000 21 X1 f1(e1) = r1(x1) + f2*(e1 –x1)= e1 0 1000 2000 3000 4000 5000 6000 6000 (0+ ) (9+ ) (13+ ) (17+ ) (21+ ) 0 0 1,000€ 9 2,000€ 13 3,000€ 17 4,000€ 21 5,000€ 25 6,000€ 29
Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A Cantidad invertida € A r1(x1) 5000 25 X1 f1(e1) = r1(x1) + f2*(e1 –x1)= e1 0 1000 2000 3000 4000 5000 6000 6000 (0+ ) (9+ ) (13+ ) (17+ ) (21+ ) (25+ ) 0 0 1,000€ 9 2,000€ 13 3,000€ 17 4,000€ 21 5,000€ 25 6,000€ 29
Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A Cantidad invertida € A r1(x1) 6000 29 X1 f1(e1) = r1(x1) + f2*(e1 –x1)= e1 0 1000 2000 3000 4000 5000 6000 6000 (0+ ) (9+ ) (13+ ) (17+ ) (21+ ) (25+ ) (29+ ) 0 0 1,000€ 9 2,000€ 13 3,000€ 17 4,000€ 21 5,000€ 25 6,000€ 29
Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A 2) SUMAR EL ESTADO FUTURO ÓPTIMO f2*= (0,0) (9,1000) (19,1000) (26, 1000) (33,4000) (40, 1000) (47, 1000) y evaluar f1(e1) X1 f1(e1) = r1(x1) + f2*(e1 –x1)= Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1 * (0+ 47 ) 6000 (9+ ) (13+ ) (17+ ) (21+ ) (25+ ) (29+ ) 47 X2 Óptima Al termino de la etapa 1, e2 f2* (e2) x2* f1(e1, x1) = r1(x1) + f(1+1)*(e1 – x1) 0 0* 0 f1(e1) = r1(x1) + f2*(e1 –x1) 1000 9* 1000 alcanza el estado final, 2000 19* 1000 f2*(X2)= cantidad de dinero a 3000 26* 1000 invertir de la etapa anterior 4000 33* 1000 5000 40* 1000 6000 47* 1000
Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A 2) SUMAR EL ESTADO FUTURO ÓPTIMO f2*= (0,0) (9,1000) (19,1000) (26, 1000) (33,4000) (40, 1000) (47, 1000) y evaluar f1(e1) X1 f1(e1) = r1(x1) + f2*(e1 –x1)= Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1 * (0+ 47) 6000 (9+ 40) (13+ ) (17+ ) (21+ ) (25+ ) (29+ ) 47 X2 Óptima Al termino de la etapa 1, e2 f2* (e2) x2* f1(e1, x1) = r1(x1) + f(1+1)*(e1 – x1) 0 0* 0 f1(e1) = r1(x1) + f2*(e1 –x1) 1000 9* 1000 alcanza el estado final, 2000 19* 1000 f2*(X2)= cantidad de dinero a 3000 26* 1000 invertir de la etapa anterior 4000 33* 1000 5000 40* 1000 6000 47* 1000
Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A 2) SUMAR EL ESTADO FUTURO ÓPTIMO f2*= (0,0) (9,1000) (19,1000) (26, 1000) (33,4000) (40, 1000) (47, 1000) y evaluar f1(e1) X1 f1(e1) = r1(x1) + f2*(e1 –x1)= Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1 * (0+ 47) (9+ 40) (13+33) 6000 (17+ ) (21+ ) (25+ ) (29+ ) 47 49 48 X2 Óptima Al termino de la etapa 1, e2 f2* (e2) x2* f1(e1, x1) = r1(x1) + f(1+1)*(e1 – x1) 0 0* 0 f1(e1) = r1(x1) + f2*(e1 –x1) 1000 9* 1000 alcanza el estado final, 2000 19* 1000 f2*(X2)= cantidad de dinero a 3000 26* 1000 invertir de la etapa anterior 4000 33* 1000 5000 40* 1000 6000 47* 1000
Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A 2) SUMAR EL ESTADO FUTURO ÓPTIMO f2*= (0,0) (9,1000) (19,1000) (26, 1000) (33,4000) (40, 1000) (47, 1000) y evaluar f1(e1) X1 f1(e1) = r1(x1) + f2*(e1 –x1)= Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1 * (0+ 47) (9+ 40) (13+33) (17+26) 6000 (21+ ) (25+ ) (29+ ) 47 49 48 45 X2 Óptima Al termino de la etapa 1, e2 f2* (e2) x2* f1(e1, x1) = r1(x1) + f(1+1)*(e1 – x1) 0 0* 0 f1(e1) = r1(x1) + f2*(e1 –x1) 1000 9* 1000 alcanza el estado final, 2000 19* 1000 f2*(X2)= cantidad de dinero a 3000 26* 1000 invertir de la etapa anterior 4000 33* 1000 5000 40* 1000 6000 47* 1000
Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A 2) SUMAR EL ESTADO FUTURO ÓPTIMO f2*= (0,0) (9,1000) (19,1000) (26, 1000) (33,4000) (40, 1000) (47, 1000) y evaluar f1(e1) X1 f1(e1) = r1(x1) + f2*(e1 –x1)= Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1 * (0+ 47) (9+ 40) (13+33) (17+26) (21+19) 6000 (25+ ) (29+ ) 47 49 48 45 40 X2 Óptima Al termino de la etapa 1, e2 f2* (e2) x2* f1(e1, x1) = r1(x1) + f(1+1)*(e1 – x1) 0 0* 0 f1(e1) = r1(x1) + f2*(e1 –x1) 1000 9* 1000 alcanza el estado final, 2000 19* 1000 f2*(X2)= cantidad de dinero a 3000 26* 1000 invertir de la etapa anterior 4000 33* 1000 5000 40* 1000 6000 47* 1000
Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A 2) SUMAR EL ESTADO FUTURO ÓPTIMO f2*= (0,0) (9,1000) (19,1000) (26, 1000) (33,4000) (40, 1000) (47, 1000) y evaluar f1(e1) X1 f1(e1) = r1(x1) + f2*(e1 –x1)= Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1 * (0+ 47) (9+ 40) (13+33) (17+26) (21+19) (25+ 9) 6000 (29+ ) 47 49 48 45 40 34 X2 Óptima Al termino de la etapa 1, e2 f2* (e2) x2* f1(e1, x1) = r1(x1) + f(1+1)*(e1 – x1) 0 0* 0 f1(e1) = r1(x1) + f2*(e1 –x1) 1000 9* 1000 alcanza el estado final, 2000 19* 1000 f2*(X2)= cantidad de dinero a 3000 26* 1000 invertir de la etapa anterior 4000 33* 1000 5000 40* 1000 6000 47* 1000
Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A 2) SUMAR EL ESTADO FUTURO ÓPTIMO f2*= (0,0) (9,1000) (19,1000) (26, 1000) (33,4000) (40, 1000) (47, 1000) y evaluar f1(e1) X1 f1(e1) = r1(x1) + f2*(e1 –x1)= Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1 * (0+ 47) (9+ 40) (13+33) (17+26) (21+19) (25+ 9) (29+0) 6000 47 49* 48 45 40 34 29 X2 Óptima Al termino de la etapa 1, e2 f2* (e2) x2* f1(e1, x1) = r1(x1) + f(1+1)*(e1 – x1) 0 0* 0 f1(e1) = r1(x1) + f2*(e1 –x1) 1000 9* 1000 alcanza el estado final, 2000 19* 1000 f2*(X2)= cantidad de dinero a 3000 26* 1000 invertir de la etapa anterior 4000 33* 1000 5000 40* 1000 6000 47* 1000
Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X1 f1(e1) = r1(x1) + f2*(e1 –x1)= Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1* (0+ 47) (9+ 40) (13+33) (17+26) (21+19) (25+ 9) (29+0) 6000 49 1000 47 49* 48 45 40 34 29 f1(e1) = r1(x1) + f2*(e1 –x1); f1(e1) = 9 + f2*(6000 –1000)= 9 + f2*(5000)= _____
X1 f1(e1) = r1(x1) + f2*(6000–1000)=5000 Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1* 6000 47 49* 48 45 40 34 29 49* 1000 X2 f2(e2) = r2(x2) + f3*(5000 –1000)=4000 Óptima e2 0 1000 2000 3000 4000 5000 6000 f2*(e2) x2* 0 0 NF NF NF NF NF NF 0 0 1000 9 10 NF NF NF NF NF 9 1000 2000 16 19 13 NF NF NF NF 19 1000 3000 23 26 22 16 NF NF NF 26 1000 4000 30 33 29 25 19 NF NF 33 1000 5000 37 40* 26 32 28 22 NF 40* 1000 6000 44 47 39 39 35 31 25 47 1000 X3 Óptima f3(e3) = r3(x3) + 0 TABLA DE LA SOLUCIÓN RECURSIVA e3 f3*(e3) x3* 0 (0+0)= 0 0 0 1000 (9 + 0)= 9 9 1000 Etapa Inversión retorno 2000 (16+ 0)= 16 16 2000 A 4000 30 3000 (23 + 0)= 23 23 3000 B 1000 10 4000 (30 + 0)=30 30* 4000 C 1000 9 5000 (37 + 0)=37 37 5000 TOTAL 6000 49* 6000 (44 + 0)=44 44 6000

Recomendados

Vbtora98
Vbtora98Vbtora98
Vbtora98UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO DE LAMBAYEQUE
 
05 metodo algebraico
05 metodo algebraico05 metodo algebraico
05 metodo algebraicoJulio Pari
 
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONES
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONESMETODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONES
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONESJuanMiguelCustodioMo
 
5 91-1-pb (1)
5 91-1-pb (1)5 91-1-pb (1)
5 91-1-pb (1)Bertha Canaviri
 
3 aplicaciones de modelado de programación lineal(uarm)
3 aplicaciones de modelado de programación lineal(uarm)3 aplicaciones de modelado de programación lineal(uarm)
3 aplicaciones de modelado de programación lineal(uarm)Herculano Smith
 
Solucionario invop 1
Solucionario invop 1Solucionario invop 1
Solucionario invop 1UCE
 
Ejercicio 2
Ejercicio 2Ejercicio 2
Ejercicio 2Sofylutqm
 
Md ejercicios resueltos teoria de la decision
Md ejercicios resueltos teoria de la decisionMd ejercicios resueltos teoria de la decision
Md ejercicios resueltos teoria de la decisionSarita Carbajal
 

Recomendados

Vbtora98
Vbtora98Vbtora98
Vbtora98UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO DE LAMBAYEQUE
 
05 metodo algebraico
05 metodo algebraico05 metodo algebraico
05 metodo algebraicoJulio Pari
 
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONES
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONESMETODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONES
METODO DUAL : EJERCICIOS RESUELTOS DE INVESTIGACIONES DE OPERACIONESJuanMiguelCustodioMo
 
5 91-1-pb (1)
5 91-1-pb (1)5 91-1-pb (1)
5 91-1-pb (1)Bertha Canaviri
 
3 aplicaciones de modelado de programación lineal(uarm)
3 aplicaciones de modelado de programación lineal(uarm)3 aplicaciones de modelado de programación lineal(uarm)
3 aplicaciones de modelado de programación lineal(uarm)Herculano Smith
 
Solucionario invop 1
Solucionario invop 1Solucionario invop 1
Solucionario invop 1UCE
 
Ejercicio 2
Ejercicio 2Ejercicio 2
Ejercicio 2Sofylutqm
 
Md ejercicios resueltos teoria de la decision
Md ejercicios resueltos teoria de la decisionMd ejercicios resueltos teoria de la decision
Md ejercicios resueltos teoria de la decisionSarita Carbajal
 
MINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEXMINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEXcabriales
 
Exponencial Poisson
Exponencial PoissonExponencial Poisson
Exponencial PoissonMorelia Basaldúa
 
Ejercicios y problemas sobre maximización y minimización por el método gráfico.
Ejercicios y problemas sobre maximización y minimización por el método gráfico.Ejercicios y problemas sobre maximización y minimización por el método gráfico.
Ejercicios y problemas sobre maximización y minimización por el método gráfico.yadipaosarchi
 
Ejercicios 1
Ejercicios 1Ejercicios 1
Ejercicios 1ITS LA HUERTA
 
Problemas rsueltos pl
Problemas rsueltos plProblemas rsueltos pl
Problemas rsueltos plMaykol Fernandez Huayhua
 
Decision
DecisionDecision
DecisionGabriel Leandro
 
Ejercicios de Programacion Lineal, LINDO, teoria de decisiones
Ejercicios de Programacion Lineal, LINDO, teoria de decisionesEjercicios de Programacion Lineal, LINDO, teoria de decisiones
Ejercicios de Programacion Lineal, LINDO, teoria de decisionesHéctor Antonio Barba Nanfuñay
 
Asignacion
AsignacionAsignacion
AsignacionWilliam Cp
 
Trabajo, Modelos de Transporte y Optimización de Redes
Trabajo, Modelos de Transporte y Optimización de RedesTrabajo, Modelos de Transporte y Optimización de Redes
Trabajo, Modelos de Transporte y Optimización de RedesRonald Alexander Medina Pinto
 
problemas de programacion lineal resueltos
problemas de programacion lineal resueltosproblemas de programacion lineal resueltos
problemas de programacion lineal resueltosJulio Cesar Cardozo Bracho
 
Ejercicios metodos de suavizamiento exponencial
Ejercicios metodos de suavizamiento exponencialEjercicios metodos de suavizamiento exponencial
Ejercicios metodos de suavizamiento exponencialAlberth ibañez Fauched
 
Ejercicios resueltos de maximización: de método simplex
Ejercicios resueltos de maximización: de método simplexEjercicios resueltos de maximización: de método simplex
Ejercicios resueltos de maximización: de método simplexJuanMiguelCustodioMo
 
Tecnicas de-planeacion
Tecnicas de-planeacionTecnicas de-planeacion
Tecnicas de-planeacionJL Manuel
 
Ejercicios resueltos io 1 parte 2
Ejercicios resueltos io 1 parte 2Ejercicios resueltos io 1 parte 2
Ejercicios resueltos io 1 parte 2fzeus
 
Resolucion problemas vi
Resolucion problemas viResolucion problemas vi
Resolucion problemas vilineal
 
Guia intervalos de confianza
Guia intervalos de confianzaGuia intervalos de confianza
Guia intervalos de confianzaAndres Oyarzun
 
Distribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de mediasDistribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de mediaseraperez
 
Ejercicios+analisis+de+sensibilidad
Ejercicios+analisis+de+sensibilidadEjercicios+analisis+de+sensibilidad
Ejercicios+analisis+de+sensibilidadJose Sanchez
 
3. unidad ii_factores_upes_2013
3. unidad ii_factores_upes_20133. unidad ii_factores_upes_2013
3. unidad ii_factores_upes_2013Frederick Calderòn Portillo
 
Ejercicios metodo simplex practica
Ejercicios metodo simplex practicaEjercicios metodo simplex practica
Ejercicios metodo simplex practicaSouthern Copper Corporation
 
Integrales
IntegralesIntegrales
IntegralesC06005
 
Guia lineal
Guia linealGuia lineal
Guia linealCamila Siuyin
 

Más contenido relacionado

La actualidad más candente

MINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEXMINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEXcabriales
 
Ejercicios y problemas sobre maximización y minimización por el método gráfico.
Ejercicios y problemas sobre maximización y minimización por el método gráfico.Ejercicios y problemas sobre maximización y minimización por el método gráfico.
Ejercicios y problemas sobre maximización y minimización por el método gráfico.yadipaosarchi
 
Ejercicios de Programacion Lineal, LINDO, teoria de decisiones
Ejercicios de Programacion Lineal, LINDO, teoria de decisionesEjercicios de Programacion Lineal, LINDO, teoria de decisiones
Ejercicios de Programacion Lineal, LINDO, teoria de decisionesHéctor Antonio Barba Nanfuñay
 
Trabajo, Modelos de Transporte y Optimización de Redes
Trabajo, Modelos de Transporte y Optimización de RedesTrabajo, Modelos de Transporte y Optimización de Redes
Trabajo, Modelos de Transporte y Optimización de RedesRonald Alexander Medina Pinto
 
Ejercicios metodos de suavizamiento exponencial
Ejercicios metodos de suavizamiento exponencialEjercicios metodos de suavizamiento exponencial
Ejercicios metodos de suavizamiento exponencialAlberth ibañez Fauched
 
Ejercicios resueltos de maximización: de método simplex
Ejercicios resueltos de maximización: de método simplexEjercicios resueltos de maximización: de método simplex
Ejercicios resueltos de maximización: de método simplexJuanMiguelCustodioMo
 
Tecnicas de-planeacion
Tecnicas de-planeacionTecnicas de-planeacion
Tecnicas de-planeacionJL Manuel
 
Ejercicios resueltos io 1 parte 2
Ejercicios resueltos io 1 parte 2Ejercicios resueltos io 1 parte 2
Ejercicios resueltos io 1 parte 2fzeus
 
Resolucion problemas vi
Resolucion problemas viResolucion problemas vi
Resolucion problemas vilineal
 
Guia intervalos de confianza
Guia intervalos de confianzaGuia intervalos de confianza
Guia intervalos de confianzaAndres Oyarzun
 
Distribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de mediasDistribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de mediaseraperez
 
Ejercicios+analisis+de+sensibilidad
Ejercicios+analisis+de+sensibilidadEjercicios+analisis+de+sensibilidad
Ejercicios+analisis+de+sensibilidadJose Sanchez
 

La actualidad más candente (20)

MINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEXMINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEX
 
Exponencial Poisson
Exponencial PoissonExponencial Poisson
Exponencial Poisson
 
Ejercicios y problemas sobre maximización y minimización por el método gráfico.
Ejercicios y problemas sobre maximización y minimización por el método gráfico.Ejercicios y problemas sobre maximización y minimización por el método gráfico.
Ejercicios y problemas sobre maximización y minimización por el método gráfico.
 
Ejercicios 1
Ejercicios 1Ejercicios 1
Ejercicios 1
 
Problemas rsueltos pl
Problemas rsueltos plProblemas rsueltos pl
Problemas rsueltos pl
 
Decision
DecisionDecision
Decision
 
Ejercicios de Programacion Lineal, LINDO, teoria de decisiones
Ejercicios de Programacion Lineal, LINDO, teoria de decisionesEjercicios de Programacion Lineal, LINDO, teoria de decisiones
Ejercicios de Programacion Lineal, LINDO, teoria de decisiones
 
Asignacion
AsignacionAsignacion
Asignacion
 
Trabajo, Modelos de Transporte y Optimización de Redes
Trabajo, Modelos de Transporte y Optimización de RedesTrabajo, Modelos de Transporte y Optimización de Redes
Trabajo, Modelos de Transporte y Optimización de Redes
 
problemas de programacion lineal resueltos
problemas de programacion lineal resueltosproblemas de programacion lineal resueltos
problemas de programacion lineal resueltos
 
Ejercicios metodos de suavizamiento exponencial
Ejercicios metodos de suavizamiento exponencialEjercicios metodos de suavizamiento exponencial
Ejercicios metodos de suavizamiento exponencial
 
Ejercicios resueltos de maximización: de método simplex
Ejercicios resueltos de maximización: de método simplexEjercicios resueltos de maximización: de método simplex
Ejercicios resueltos de maximización: de método simplex
 
Tecnicas de-planeacion
Tecnicas de-planeacionTecnicas de-planeacion
Tecnicas de-planeacion
 
Ejercicios resueltos io 1 parte 2
Ejercicios resueltos io 1 parte 2Ejercicios resueltos io 1 parte 2
Ejercicios resueltos io 1 parte 2
 
Resolucion problemas vi
Resolucion problemas viResolucion problemas vi
Resolucion problemas vi
 
Guia intervalos de confianza
Guia intervalos de confianzaGuia intervalos de confianza
Guia intervalos de confianza
 
Distribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de mediasDistribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de medias
 
Ejercicios+analisis+de+sensibilidad
Ejercicios+analisis+de+sensibilidadEjercicios+analisis+de+sensibilidad
Ejercicios+analisis+de+sensibilidad
 
3. unidad ii_factores_upes_2013
3. unidad ii_factores_upes_20133. unidad ii_factores_upes_2013
3. unidad ii_factores_upes_2013
 
Ejercicios metodo simplex practica
Ejercicios metodo simplex practicaEjercicios metodo simplex practica
Ejercicios metodo simplex practica
 

Similar a ASIGNACIÓN DE RECURSOS CON PROGRAMACIÓN DINAMICA

Integrales
IntegralesIntegrales
IntegralesC06005
 
Aplicaciones de calculo
Aplicaciones de calculoAplicaciones de calculo
Aplicaciones de calculoGilbert Rz
 
Calculo del VAN y el TIR
Calculo del VAN y el TIRCalculo del VAN y el TIR
Calculo del VAN y el TIRElizmar Agreda
 
Reparto proporcional
Reparto proporcionalReparto proporcional
Reparto proporcionalmiguelpuerto
 
capitulo-iv-v1.ppt
capitulo-iv-v1.pptcapitulo-iv-v1.ppt
capitulo-iv-v1.pptDanyRojas27
 
Hoja 9 programacion lineal solucion
Hoja 9 programacion lineal solucionHoja 9 programacion lineal solucion
Hoja 9 programacion lineal solucionAmando Ferrer
 
Programacion lineal
Programacion linealProgramacion lineal
Programacion linealAlex Hanco
 
Selectividad EXTREMADURA Matemáticas CCSS Septiembre 2012-2013
Selectividad EXTREMADURA Matemáticas CCSS Septiembre 2012-2013Selectividad EXTREMADURA Matemáticas CCSS Septiembre 2012-2013
Selectividad EXTREMADURA Matemáticas CCSS Septiembre 2012-2013KALIUM academia
 
Crecimiento; maximos y minimos
Crecimiento; maximos y minimosCrecimiento; maximos y minimos
Crecimiento; maximos y minimosYeray Andrade
 
Trabajo práctico excel 1
Trabajo práctico excel 1Trabajo práctico excel 1
Trabajo práctico excel 1Caro Schnyder
 
Informe nro1 ivestigacion_operativa ii
Informe nro1 ivestigacion_operativa iiInforme nro1 ivestigacion_operativa ii
Informe nro1 ivestigacion_operativa iiDavids Vasquez Vasquez
 
Ecuación de la circunferencia
Ecuación de la circunferenciaEcuación de la circunferencia
Ecuación de la circunferenciakarlitaroman
 

Similar a ASIGNACIÓN DE RECURSOS CON PROGRAMACIÓN DINAMICA (20)

Integrales
IntegralesIntegrales
Integrales
 
Guia lineal
Guia linealGuia lineal
Guia lineal
 
Aplicaciones de calculo
Aplicaciones de calculoAplicaciones de calculo
Aplicaciones de calculo
 
Calculo del VAN y el TIR
Calculo del VAN y el TIRCalculo del VAN y el TIR
Calculo del VAN y el TIR
 
Reparto proporcional
Reparto proporcionalReparto proporcional
Reparto proporcional
 
Mic sesión 11
Mic sesión 11Mic sesión 11
Mic sesión 11
 
capitulo-iv-v1.ppt
capitulo-iv-v1.pptcapitulo-iv-v1.ppt
capitulo-iv-v1.ppt
 
Hoja 9 programacion lineal solucion
Hoja 9 programacion lineal solucionHoja 9 programacion lineal solucion
Hoja 9 programacion lineal solucion
 
Tarea paolo
Tarea paoloTarea paolo
Tarea paolo
 
Inversiones 5bb
Inversiones 5bbInversiones 5bb
Inversiones 5bb
 
Productos notables
Productos notablesProductos notables
Productos notables
 
1inversiones 7
1inversiones 71inversiones 7
1inversiones 7
 
Teoria y taller aplicaciones
Teoria y taller aplicacionesTeoria y taller aplicaciones
Teoria y taller aplicaciones
 
Inversiones 6bb
Inversiones 6bbInversiones 6bb
Inversiones 6bb
 
Programacion lineal
Programacion linealProgramacion lineal
Programacion lineal
 
Selectividad EXTREMADURA Matemáticas CCSS Septiembre 2012-2013
Selectividad EXTREMADURA Matemáticas CCSS Septiembre 2012-2013Selectividad EXTREMADURA Matemáticas CCSS Septiembre 2012-2013
Selectividad EXTREMADURA Matemáticas CCSS Septiembre 2012-2013
 
Crecimiento; maximos y minimos
Crecimiento; maximos y minimosCrecimiento; maximos y minimos
Crecimiento; maximos y minimos
 
Trabajo práctico excel 1
Trabajo práctico excel 1Trabajo práctico excel 1
Trabajo práctico excel 1
 
Informe nro1 ivestigacion_operativa ii
Informe nro1 ivestigacion_operativa iiInforme nro1 ivestigacion_operativa ii
Informe nro1 ivestigacion_operativa ii
 
Ecuación de la circunferencia
Ecuación de la circunferenciaEcuación de la circunferencia
Ecuación de la circunferencia
 

Más de ADRIANA NIETO

Hoja de verificación ok
Hoja de verificación okHoja de verificación ok
Hoja de verificación okADRIANA NIETO
 
5.1 TERMINOLOGÍA DE OPTIMIZACIÓN DE REDES
5.1 TERMINOLOGÍA DE OPTIMIZACIÓN DE REDES5.1 TERMINOLOGÍA DE OPTIMIZACIÓN DE REDES
5.1 TERMINOLOGÍA DE OPTIMIZACIÓN DE REDESADRIANA NIETO
 
5.5 flujo a costo minimo
5.5 flujo a costo minimo5.5 flujo a costo minimo
5.5 flujo a costo minimoADRIANA NIETO
 
5.3 árbol de expansión mínima
5.3 árbol de expansión mínima5.3 árbol de expansión mínima
5.3 árbol de expansión mínimaADRIANA NIETO
 
5.2 la ruta mas corta
5.2 la ruta mas corta5.2 la ruta mas corta
5.2 la ruta mas cortaADRIANA NIETO
 
Programación Lineal de un diagrama de red para un problema de Flujo Máximo a ...
Programación Lineal de un diagrama de red para un problema de Flujo Máximo a ...Programación Lineal de un diagrama de red para un problema de Flujo Máximo a ...
Programación Lineal de un diagrama de red para un problema de Flujo Máximo a ...ADRIANA NIETO
 
1.3.ruta mas corta con programación dinámica
1.3.ruta mas corta con programación dinámica1.3.ruta mas corta con programación dinámica
1.3.ruta mas corta con programación dinámicaADRIANA NIETO
 
5.3 arbol expansión minima algoritmo de kruskal
5.3 arbol expansión minima algoritmo de kruskal5.3 arbol expansión minima algoritmo de kruskal
5.3 arbol expansión minima algoritmo de kruskalADRIANA NIETO
 
5.3 arbol de expansión minima algoritmo de prim
5.3 arbol de expansión minima algoritmo de prim5.3 arbol de expansión minima algoritmo de prim
5.3 arbol de expansión minima algoritmo de primADRIANA NIETO
 
5.2 la ruta mas corta
5.2 la ruta mas corta5.2 la ruta mas corta
5.2 la ruta mas cortaADRIANA NIETO
 
5.7 modelo de redes usando winqsb
5.7 modelo de redes usando winqsb5.7 modelo de redes usando winqsb
5.7 modelo de redes usando winqsbADRIANA NIETO
 
Terminologia de teoria de redes
Terminologia de teoria de redesTerminologia de teoria de redes
Terminologia de teoria de redesADRIANA NIETO
 
Flujo máximo teoria de redes
Flujo máximo teoria de redesFlujo máximo teoria de redes
Flujo máximo teoria de redesADRIANA NIETO
 

Más de ADRIANA NIETO (14)

Hoja de verificación ok
Hoja de verificación okHoja de verificación ok
Hoja de verificación ok
 
5.1 TERMINOLOGÍA DE OPTIMIZACIÓN DE REDES
5.1 TERMINOLOGÍA DE OPTIMIZACIÓN DE REDES5.1 TERMINOLOGÍA DE OPTIMIZACIÓN DE REDES
5.1 TERMINOLOGÍA DE OPTIMIZACIÓN DE REDES
 
5.5 flujo a costo minimo
5.5 flujo a costo minimo5.5 flujo a costo minimo
5.5 flujo a costo minimo
 
5.4 flujo maximo
5.4 flujo maximo5.4 flujo maximo
5.4 flujo maximo
 
5.3 árbol de expansión mínima
5.3 árbol de expansión mínima5.3 árbol de expansión mínima
5.3 árbol de expansión mínima
 
5.2 la ruta mas corta
5.2 la ruta mas corta5.2 la ruta mas corta
5.2 la ruta mas corta
 
Programación Lineal de un diagrama de red para un problema de Flujo Máximo a ...
Programación Lineal de un diagrama de red para un problema de Flujo Máximo a ...Programación Lineal de un diagrama de red para un problema de Flujo Máximo a ...
Programación Lineal de un diagrama de red para un problema de Flujo Máximo a ...
 
1.3.ruta mas corta con programación dinámica
1.3.ruta mas corta con programación dinámica1.3.ruta mas corta con programación dinámica
1.3.ruta mas corta con programación dinámica
 
5.3 arbol expansión minima algoritmo de kruskal
5.3 arbol expansión minima algoritmo de kruskal5.3 arbol expansión minima algoritmo de kruskal
5.3 arbol expansión minima algoritmo de kruskal
 
5.3 arbol de expansión minima algoritmo de prim
5.3 arbol de expansión minima algoritmo de prim5.3 arbol de expansión minima algoritmo de prim
5.3 arbol de expansión minima algoritmo de prim
 
5.2 la ruta mas corta
5.2 la ruta mas corta5.2 la ruta mas corta
5.2 la ruta mas corta
 
5.7 modelo de redes usando winqsb
5.7 modelo de redes usando winqsb5.7 modelo de redes usando winqsb
5.7 modelo de redes usando winqsb
 
Terminologia de teoria de redes
Terminologia de teoria de redesTerminologia de teoria de redes
Terminologia de teoria de redes
 
Flujo máximo teoria de redes
Flujo máximo teoria de redesFlujo máximo teoria de redes
Flujo máximo teoria de redes
 

Último

Uses of simple past and time expressions
Uses of simple past and time expressionsUses of simple past and time expressions
Uses of simple past and time expressionsConsueloSantana3
 
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMAL
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMALVOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMAL
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMALEDUCCUniversidadCatl
 
c3.hu3.p1.p2.El ser humano y el sentido de su existencia.pptx
c3.hu3.p1.p2.El ser humano y el sentido de su existencia.pptxc3.hu3.p1.p2.El ser humano y el sentido de su existencia.pptx
c3.hu3.p1.p2.El ser humano y el sentido de su existencia.pptxMartín Ramírez
 
PPT GESTIÓN ESCOLAR 2024 Comités y Compromisos.pptx
PPT GESTIÓN ESCOLAR 2024 Comités y Compromisos.pptxPPT GESTIÓN ESCOLAR 2024 Comités y Compromisos.pptx
PPT GESTIÓN ESCOLAR 2024 Comités y Compromisos.pptxOscarEduardoSanchezC
 
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdfOswaldoGonzalezCruz
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.José Luis Palma
 
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptxOLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptxjosetrinidadchavez
 
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDU
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDUFICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDU
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDUgustavorojas179704
 
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJOTUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJOweislaco
 
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptxLINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptxdanalikcruz2000
 
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIA
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIATRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIA
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIAAbelardoVelaAlbrecht1
 
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptx
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptxPresentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptx
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptxYeseniaRivera50
 
Metabolismo 3: Anabolismo y Fotosíntesis 2024
Metabolismo 3: Anabolismo y Fotosíntesis 2024Metabolismo 3: Anabolismo y Fotosíntesis 2024
Metabolismo 3: Anabolismo y Fotosíntesis 2024IES Vicent Andres Estelles
 
RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIA
RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIARAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIA
RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIACarlos Campaña Montenegro
 

Último (20)

Uses of simple past and time expressions
Uses of simple past and time expressionsUses of simple past and time expressions
Uses of simple past and time expressions
 
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMAL
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMALVOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMAL
VOLUMEN 1 COLECCION PRODUCCION BOVINA . SERIE SANIDAD ANIMAL
 
c3.hu3.p1.p2.El ser humano y el sentido de su existencia.pptx
c3.hu3.p1.p2.El ser humano y el sentido de su existencia.pptxc3.hu3.p1.p2.El ser humano y el sentido de su existencia.pptx
c3.hu3.p1.p2.El ser humano y el sentido de su existencia.pptx
 
PPT GESTIÓN ESCOLAR 2024 Comités y Compromisos.pptx
PPT GESTIÓN ESCOLAR 2024 Comités y Compromisos.pptxPPT GESTIÓN ESCOLAR 2024 Comités y Compromisos.pptx
PPT GESTIÓN ESCOLAR 2024 Comités y Compromisos.pptx
 
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.
 
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptxOLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
 
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDU
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDUFICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDU
FICHA DE MONITOREO Y ACOMPAÑAMIENTO 2024 MINEDU
 
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJOTUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
TUTORIA II - CIRCULO DORADO UNIVERSIDAD CESAR VALLEJO
 
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptxLINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
 
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIA
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIATRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIA
TRIPTICO-SISTEMA-MUSCULAR. PARA NIÑOS DE PRIMARIA
 
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptx
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptxPresentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptx
Presentación de Estrategias de Enseñanza-Aprendizaje Virtual.pptx
 
Metabolismo 3: Anabolismo y Fotosíntesis 2024
Metabolismo 3: Anabolismo y Fotosíntesis 2024Metabolismo 3: Anabolismo y Fotosíntesis 2024
Metabolismo 3: Anabolismo y Fotosíntesis 2024
 
Power Point: "Defendamos la verdad".pptx
Power Point: "Defendamos la verdad".pptxPower Point: "Defendamos la verdad".pptx
Power Point: "Defendamos la verdad".pptx
 
Tema 7.- E-COMMERCE SISTEMAS DE INFORMACION.pdf
Tema 7.- E-COMMERCE SISTEMAS DE INFORMACION.pdfTema 7.- E-COMMERCE SISTEMAS DE INFORMACION.pdf
Tema 7.- E-COMMERCE SISTEMAS DE INFORMACION.pdf
 
DIA INTERNACIONAL DAS FLORESTAS .
DIA INTERNACIONAL DAS FLORESTAS .DIA INTERNACIONAL DAS FLORESTAS .
DIA INTERNACIONAL DAS FLORESTAS .
 
TL/CNL – 2.ª FASE .
TL/CNL – 2.ª FASE .TL/CNL – 2.ª FASE .
TL/CNL – 2.ª FASE .
 
Unidad 3 | Teorías de la Comunicación | MCDI
Unidad 3 | Teorías de la Comunicación | MCDIUnidad 3 | Teorías de la Comunicación | MCDI
Unidad 3 | Teorías de la Comunicación | MCDI
 
RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIA
RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIARAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIA
RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIA
 
Sesión de clase: Defendamos la verdad.pdf
Sesión de clase: Defendamos la verdad.pdfSesión de clase: Defendamos la verdad.pdf
Sesión de clase: Defendamos la verdad.pdf
 

ASIGNACIÓN DE RECURSOS CON PROGRAMACIÓN DINAMICA

  • 1. ASIGNACIÓN DE RECURSOS CON PROGRAMACIÓN DINÁMICA EMPLEANDO EL MÉTODO DE MATRICES COMPUTACIONALES M.C ADRIANA NIETO CASTELLANOS INSTITUTO TECNOLOGICO DE TEHUACAN OCTUBRE 2011
  • 2. ASIGNACIÓN DE RECURSOS Una financiera tiene 6,000 euros para invertir entre tres posibles alternativas de inversión. Esta puede invertir el dinero en partes, todo o nada de los 6,000 euros en cada proyecto de inversión. Se tiene como limitante el invertir solo en unidades de mil euros, la ganancia esperada de una inversión depende de la cantidad de dinero asignada a esta. Esta información está dada en la Tabla 1. Al inversionista le gustaría asignar su dinero de tal forma que maximice su ingreso total. Tabla 1 PROYECTOS Cantidad invertida € A B C 0 0 0 0 1,000€ 9 10 9 2,000€ 16 13 13 3,000€ 23 16 17 4,000€ 30 19 21 5,000€ 37 22 25 6,000€ 44 25 29 *Retornos en miles de euros = r(Xn) Cada uno de los valores representa el ingreso sobre la cantidad invertida. Tabla 1 Retornos* esperados por invertir diversas cantidades compitiendo en proyectos de capital
  • 3. 1) ETAPAS DE LA EVOLUCIÓN DEL SISTEMA Tenemos un problema de tipo determinístico, no homogéneo, con horizonte finito es decir el número de etapas está limitado a las tres alternativas de inversión así podemos definir las etapas: ETAPA PROYECTOS n=3 A n=2 B n=1 C
  • 4. 2) ESTADOS DEL SISTEMA El elemento determinante para saber qué cantidad podemos invertir en un proyecto, es la cantidad de dinero disponible. Esta variable será, entonces, una buena candidata a variable de estado del sistema. De manera que tenemos los estados siguientes: Estado Cantidad disponible a invertir e=0 No se invierte 0€ e=1 Se invierten: 1000€ e=2 Se invierten: 2000€ e=3 Se invierten: 3000€ e=4 Se invierten: 4000€ e=5 Se invierten: 5000€ e=6 Se invierten: 6000€
  • 5. 3) Variables de decisión y políticas La decisión a tomar en cada etapa es claramente qué cantidad de dinero podemos invertir a cada proyecto. Así la variable de decisión se definirá para cada etapa n como: Xn= cantidad de dinero a invertir en el proyecto propio de la etapa n Valor variable de estado e Valores posibles de la variable de decisión Xn e=0 x0= 0 e=1 x1= 0, 1000 e=2 x2= 0, 1000, 2000 e=3 x3= 0, 1000, 2000, 3000 e=4 x4= 0, 1000, 2000, 3000, 4000 e=5 x5= 0, 1000, 2000, 3000, 4000, 5000 e=6 x6= 0, 1000, 2000, 3000, 4000, 5000, 6000 PASAR LOS DATOS A UNA TABLA DE DOS ENTRADAS
  • 6. Etapa 3 proyecto A Elaborar una TABLA que contenga los estados del sistema e3 y se colocan como entrada e3 0 NF NF NF NF NF NF 1000 NF NF NF NF NF 2000 NF NF NF NF 3000 NF NF NF 4000 NF NF 5000 NF 6000 ETAPA n=3: CANTIDAD INVERTIDA EN EL PROYECTO C
  • 7. Los posibles valores de las variables de decisión X3 y se colocan como otra entrada de la tabla X3 e3 0 1000 2000 3000 4000 5000 6000 0 NF NF NF NF NF NF 1000 NF NF NF NF NF 2000 NF NF NF NF 3000 NF NF NF 4000 NF NF 5000 NF 6000 ETAPA n=3: CANTIDAD INVERTIDA EN EL PROYECTO C
  • 8. 4) FUNCIÓN DE RECURRENCIA Si tenemos disponible en cantidad de dinero y decidimos invertirlo al proyecto Xn, en-xn cantidad de dinero disponible para la etapa siguiente quedará. La función de recurrencia será: fn(en, xn) = rn(xn) + f*n+1(en - xn) fn Representa el rendimiento obtenido por la inversión de dinero al un proyecto desde la etapa n hasta la última etapa. La función óptima será el máximo para cada estado
  • 9. Etapa 3 proyecto A f3(e3) = r3(x3) + f4*(e3 –x3)= r3(x3) Retorno actual en miles de euros para el proyecto C PROYECTO Cantidad A invertida € 0 0 1) Registrar r3(x3) en la 1,000€ 9 tabla de dos entradas 2,000€ 16 3,000€ 23 por columna 4,000€ 30 5,000€ 37 6,000€ 44 Cada uno de los valores representa el ingreso sobre la cantidad invertida.
  • 10. Etapa 3 proyecto A f3(e3) = r3(x3) + f4*(e3 –x3), r3(x3) Registrar el retorno de la etapa C Cantidad invertida € C r3(x3) 0 0 X3 f3(e3) = r3(x3) + f4*(e3 –x3)= e3 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) NF NF NF NF NF 2000 (0+ ) NF NF NF NF 3000 (0+ ) NF NF NF 4000 (0+ ) NF NF 5000 (0+ ) NF 6000 (0+ )
  • 11. Etapa 3 proyecto A f3(e3) = r3(x3) + f4*(e3 –x3), r3(x3) Registrar el retorno de la etapa C Cantidad invertida € C r3(x3) 1000 9 X3 f3(e3) = r3(x3) + f4*(e3 –x3)= e3 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (9 + ) NF NF NF NF NF 2000 (0+ ) (9 + ) NF NF NF NF 3000 (0+ ) (9 + ) NF NF NF 4000 (0+ ) (9 + ) NF NF 5000 (0+ ) (9 + ) NF 6000 (0+ ) (9 + )
  • 12. Etapa 3 proyecto A f3(e3) = r3(x3) + f4*(e3 –x3), r3(x3) Registrar el retorno de la etapa C Cantidad invertida € C r3(x3) 2000 16 X3 f3(e3) = r3(x3) + f4*(e3 –x3)= e3 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (9 + ) NF NF NF NF NF 2000 (0+ ) (9 + ) (16+ ) NF NF NF NF 3000 (0+ ) (9 + ) (16+ ) NF NF NF 4000 (0+ ) (9 + ) (16+ ) NF NF 5000 (0+ ) (9 + ) (16+ ) NF 6000 (0+ ) (9 + ) (16+ )
  • 13. Etapa 3 proyecto A f3(e3) = r3(x3) + f4*(e3 –x3), r3(x3) Registrar el retorno de la etapa C Cantidad invertida € C r3(x3) 3000 23 X3 f3(e3) = r3(x3) + f4*(e3 –x3)= e3 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (9 + ) NF NF NF NF NF 2000 (0+ ) (9 + ) (16+ ) NF NF NF NF 3000 (0+ ) (9 + ) (16 + ) (23 + ) NF NF NF 4000 (0+ ) (9 + ) (16 + ) (23 + ) NF NF 5000 (0+ ) (9 + ) (16 + ) (23 + ) NF 6000 (0+ ) (9 + ) (16 + ) (23 + )
  • 14. Etapa 3 proyecto A f3(e3) = r3(x3) + f4*(e3 –x3), r3(x3) Registrar el retorno de la etapa C Cantidad invertida € C r3(x3) 4000 30 X3 f3(e3) = r3(x3) + f4*(e3 –x3)= e3 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (9 + ) NF NF NF NF NF 2000 (0+ ) (9 + ) (16+ ) NF NF NF NF 3000 (0+ ) (9 + ) (16 + ) (23 + ) NF NF NF 4000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + ) NF NF 5000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + ) NF 6000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + )
  • 15. Etapa 3 proyecto A f3(e3) = r3(x3) + f4*(e3 –x3), r3(x3) Registrar el retorno de la etapa C Cantidad invertida € C r3(x3) 5000 37 X3 f3(e3) = r3(x3) + f4*(e3 –x3)= e3 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (9 + ) NF NF NF NF NF 2000 (0+ ) (9 + ) (16+ ) NF NF NF NF 3000 (0+ ) (9 + ) (16 + ) (23 + ) NF NF NF 4000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + ) NF NF 5000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + ) (37 + ) NF 6000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + ) (37 + )
  • 16. Etapa 3 proyecto A f3(e3) = r3(x3) + f4*(e3 –x3), r3(x3) Registrar el retorno de la etapa C Cantidad invertida € C r3(x3) 6000 44 X3 f3(e3) = r3(x3) + f4*(e3 –x3)= e3 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (9 + ) NF NF NF NF NF 2000 (0+ ) (9 + ) (16+ ) NF NF NF NF 3000 (0+ ) (9 + ) (16 + ) (23 + ) NF NF NF 4000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + ) NF NF 5000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + ) (37 + ) NF 6000 (0+ ) (9 + ) (16 + ) (23 + ) (30 + ) (37 + ) (44 + )
  • 17. Al termino de la etapa 3, f3(e3, x3) = r3(x3) + f(3+1)*(e3 – x3) f3(e3) = r3(x3) + f4*(e3 –x3) alcanza el estado final, f4*(X3)= 0 (cero cantidad de dinero a invertir). 2) SUMAR EL ESTADO FUTURO ÓPTIMO f4*= 0 Y EVALUAR LA FUNCIÓN f3(e3) X3 f3(e3) = r3(x3) + f4*(e3 –x3)= e3 0 1000 2000 3000 4000 5000 6000 0 (0+ 0) NF NF NF NF NF NF 1000 (0+ 0) (9 + 0) NF NF NF NF NF 2000 (0+ 0) (9 + 0) (16+ 0) NF NF NF NF 3000 (0+ 0) (9 + 0) (16+ 0) (23 + 0) NF NF NF 4000 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) NF NF 5000 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) (37 +0 ) NF 6000 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) (37 +0 ) (44 +0 )
  • 18. Etapa 3 proyecto A 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X3 f3(e3) = r3(x3) + f4*(e3 –x3)= Óptima e3 0 1000 2000 3000 4000 5000 6000 f3*(e3) x3* (0+ 0) 0 NF NF NF NF NF NF 0 0 0 (0+ 0) (9 + 0) 1000 NF NF NF NF NF 0 9 (0+ 0) (9 + 0) (16+ 0) 2000 NF NF NF NF 0 9 16 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 3000 NF NF NF 0 9 16 23 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) 4000 NF NF 0 9 16 23 30 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) 5000 NF 0 9 16 23 30 37 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) (44 +0 ) 6000 0 9 16 23 30 37 44
  • 19. Etapa 3 proyecto A 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X3 f3(e3) = r3(x3) + f4*(e3 –x3)= Óptima e3 0 1000 2000 3000 4000 5000 6000 f3*(e3) x3* (0+ 0) 0 NF NF NF NF NF NF 0 0 0 (0+ 0) (9 + 0) 1000 NF NF NF NF NF 9 1000 0 9 (0+ 0) (9 + 0) (16+ 0) 2000 NF NF NF NF 0 9 16 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 3000 NF NF NF 0 9 16 23 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) 4000 NF NF 0 9 16 23 30 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) 5000 NF 0 9 16 23 30 37 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) (44 +0 ) 6000 0 9 16 23 30 37 44
  • 20. Etapa 3 proyecto A 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X3 f3(e3) = r3(x3) + f4*(e3 –x3)= Óptima e3 0 1000 2000 3000 4000 5000 6000 f3*(e3) x3* (0+ 0) 0 NF NF NF NF NF NF 0 0 0 (0+ 0) (9 + 0) 1000 NF NF NF NF NF 9 1000 0 9 (0+ 0) (9 + 0) (16+ 0) 2000 NF NF NF NF 16 2000 0 9 16 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 3000 NF NF NF 0 9 16 23 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) 4000 NF NF 0 9 16 23 30 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) 5000 NF 0 9 16 23 30 37 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) (44 +0 ) 6000 0 9 16 23 30 37 44
  • 21. Etapa 3 proyecto A 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X3 f3(e3) = r3(x3) + f4*(e3 –x3)= Óptima e3 0 1000 2000 3000 4000 5000 6000 f3*(e3) x3* (0+ 0) 0 NF NF NF NF NF NF 0 0 0 (0+ 0) (9 + 0) 1000 NF NF NF NF NF 9 1000 0 9 (0+ 0) (9 + 0) (16+ 0) 2000 NF NF NF NF 16 2000 0 9 16 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 3000 NF NF NF 23 3000 0 9 16 23 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) 4000 NF NF 0 9 16 23 30 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) 5000 NF 0 9 16 23 30 37 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) (44 +0 ) 6000 0 9 16 23 30 37 44
  • 22. Etapa 3 proyecto A 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X3 f3(e3) = r3(x3) + f4*(e3 –x3)= Óptima e3 0 1000 2000 3000 4000 5000 6000 f3*(e3) x3* (0+ 0) 0 NF NF NF NF NF NF 0 0 0 (0+ 0) (9 + 0) 1000 NF NF NF NF NF 9 1000 0 9 (0+ 0) (9 + 0) (16+ 0) 2000 NF NF NF NF 16 2000 0 9 16 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 3000 NF NF NF 23 3000 0 9 16 23 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) 4000 NF NF 30 4000 0 9 16 23 30 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) 5000 NF 0 9 16 23 30 37 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) (44 +0 ) 6000 0 9 16 23 30 37 44
  • 23. Etapa 3 proyecto A 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X3 f3(e3) = r3(x3) + f4*(e3 –x3)= Óptima e3 0 1000 2000 3000 4000 5000 6000 f3*(e3) x3* (0+ 0) 0 NF NF NF NF NF NF 0 0 0 (0+ 0) (9 + 0) 1000 NF NF NF NF NF 9 1000 0 9 (0+ 0) (9 + 0) (16+ 0) 2000 NF NF NF NF 16 2000 0 9 16 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 3000 NF NF NF 23 3000 0 9 16 23 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) 4000 NF NF 30 4000 0 9 16 23 30 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) 5000 NF 37 5000 0 9 16 23 30 37 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) (44 +0 ) 6000 0 9 16 23 30 37 44
  • 24. Etapa 3 proyecto A 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X3 f3(e3) = r3(x3) + f4*(e3 –x3)= Óptima e3 0 1000 2000 3000 4000 5000 6000 f3*(e3) x3* (0+ 0) 0 NF NF NF NF NF NF 0 0 0 (0+ 0) (9 + 0) 1000 NF NF NF NF NF 9 1000 0 9 (0+ 0) (9 + 0) (16+ 0) 2000 NF NF NF NF 16 2000 0 9 16 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 3000 NF NF NF 23 3000 0 9 16 23 (0+ 0) (9 + 0) (16+ 0) (23 + 0) (30 +0) 4000 NF NF 30 4000 0 9 16 23 30 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) 5000 NF 37 5000 0 9 16 23 30 37 (0+ 0) (9 + 0) (16+ 0) (23 + 0) 30 +0) (37 +0 ) (44 +0 ) 6000 44 6000 0 9 16 23 30 37 44
  • 25. Etapa 3 proyecto A Ya hemos asignamos todos los proyectos que estén disponibles en este momento de tal manera que f3(e3, x3) = r3(x3) X3 f3(e3) = r3(x3) + f4*(e3 –x3)= Óptima e3 0 1000 2000 3000 4000 5000 6000 f3*(e3) x3* (0+ 0) 0 NF NF NF NF NF NF 0 0 0 (9 + 0) 1000 NF NF NF NF NF 9 1000 9 (16+ 0) 2000 NF NF NF NF 16 2000 16 (23 + 0) 3000 NF NF NF 23 3000 23 (30 +0) 4000 NF NF 30 4000 30 (37 +0 ) 5000 NF 37 5000 37 (44 +0 ) 6000 44 6000 44
  • 26. Etapa 3 proyecto A Ya hemos asignamos todos los proyectos que estén disponibles en este momento de tal manera que f3(e3, x3) = r3(x3) X3 Óptima f3(e3) = r3(x3) + 0 e3 f3*(e3) x3* 0 (0+0)= 0 0 0 1000 (9 + 0)= 9 9 1000 2000 (16+ 0)= 16 16 2000 3000 (23 + 0)= 23 23 3000 4000 (30 + 0)=30 30 4000 5000 (37 + 0)=37 37 5000 6000 (44 + 0)=44 44 6000
  • 27. En la etapa 3, El proyecto A, es el último proyecto en el que será invertido el dinero. Podemos entrar a esta etapa con una cantidad de dinero desde 0€ a 6000€. Esto se observa por los siete renglones representando los siete posibles estados de entrada. En teoría, podemos invertir cualquier cantidad de dinero menor o igual que la cantidad que tenemos disponible en esta etapa. En realidad, se desea invertir todo el dinero disponible en esta etapa, porque ésta es nuestra última oportunidad de inversión. Puesto que NO es posible invertir más dinero que el disponible, habrá un número de celdas no factibles en la matriz que se marcan con NF.(NO FACTIBLE)
  • 28. Etapa 2 proyecto B f2(e2) = r2(x2) + f3*(e2 –x2)= r2(x2) Retorno actual en miles de euros para el proyecto B PROYECTO Cantidad B invertida € 0 0 1) Registrar r2(x2) en la 1,000€ 10 tabla de dos entradas 2,000€ 13 por columna 3,000€ 16 4,000€ 19 5,000€ 22 6,000€ 25 Cada uno de los valores representa el ingreso sobre la cantidad invertida.
  • 29. Etapa 2 proyecto B f2(e2) = r2(x2) + f3*(e2 –x2), r2(x2) Registrar el retorno de la etapa B Cantidad invertida € B r2(x2) 0 0 X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) NF NF NF NF NF 2000 (0+ ) NF NF NF NF 3000 (0+ ) NF NF NF 4000 (0+ ) NF NF 5000 (0+ ) NF 6000 (0+ )
  • 30. Etapa 2 proyecto B f2(e2) = r2(x2) + f3*(e2 –x2), r2(x2) Registrar el retorno de la etapa B Cantidad invertida € B r2(x2) 1000 10 X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (10 + ) NF NF NF NF NF 2000 (0+ ) (10 + ) NF NF NF NF 3000 (0+ ) (10 + ) NF NF NF 4000 (0+ ) (10 + ) NF NF 5000 (0+ ) (10 + ) NF 6000 (0+ ) (10 + )
  • 31. Etapa 2 proyecto B f2(e2) = r2(x2) + f3*(e2 –x2), r2(x2) Registrar el retorno de la etapa B Cantidad invertida € B r2(x2) 2000 13 X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (10 + ) NF NF NF NF NF 2000 (0+ ) (10 + ) (13+ ) NF NF NF NF 3000 (0+ ) (10 + ) (13+ ) NF NF NF 4000 (0+ ) (10 + ) (13+ ) NF NF 5000 (0+ ) (10 + ) (13+ ) NF 6000 (0+ ) (10 + ) (13+ )
  • 32. Etapa 2 proyecto B f2(e2) = r2(x2) + f3*(e2 –x2), r2(x2) Registrar el retorno de la etapa B Cantidad invertida € B r2(x2) 3000 16 X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (10 + ) NF NF NF NF NF 2000 (0+ ) (10 + ) (13+ ) NF NF NF NF 3000 (0+ ) (10 + ) (13+ ) (16+ ) NF NF NF 4000 (0+ ) (10 + ) (13+ ) (16+ ) NF NF 5000 (0+ ) (10 + ) (13+ ) (16+ ) NF 6000 (0+ ) (10 + ) (13+ ) (16+ )
  • 33. Etapa 2 proyecto B f2(e2) = r2(x2) + f3*(e2 –x2), r2(x2) Registrar el retorno de la etapa B Cantidad invertida € B r2(x2) 4000 19 X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (10 + ) NF NF NF NF NF 2000 (0+ ) (10 + ) (13+ ) NF NF NF NF 3000 (0+ ) (10 + ) (13+ ) (16+ ) NF NF NF 4000 (0+ ) (10 + ) (13+ ) (16+ ) (19 + ) NF NF 5000 (0+ ) (10 + ) (13+ ) (16+ ) (19 + ) NF 6000 (0+ ) (10 + ) (13+ ) (16+ ) (19 + )
  • 34. Etapa 2 proyecto B f2(e2) = r2(x2) + f3*(e2 –x2), r2(x2) Registrar el retorno de la etapa B Cantidad invertida € B r2(x2) 5000 22 X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (10 + ) NF NF NF NF NF 2000 (0+ ) (10 + ) (13+ ) NF NF NF NF 3000 (0+ ) (10 + ) (13+ ) (16+ ) NF NF NF 4000 (0+ ) (10 + ) (13+ ) (16+ ) (19 + ) NF NF 5000 (0+ ) (10 + ) (13+ ) (16+ ) (19 + ) (22 + ) NF 6000 (0+ ) (10 + ) (13+ ) (16+ ) (19 + ) (22 + )
  • 35. Etapa 2 proyecto B f2(e2) = r2(x2) + f3*(e2 –x2), r2(x2) Registrar el retorno de la etapa B Cantidad invertida € B r2(x2) 6000 25 X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ ) NF NF NF NF NF NF 1000 (0+ ) (10 + ) NF NF NF NF NF 2000 (0+ ) (10 + ) (13+ ) NF NF NF NF 3000 (0+ ) (10 + ) (13+ ) (16 + ) NF NF NF 4000 (0+ ) (10 + ) (13+ ) (16 + ) (19 + ) NF NF 5000 (0+ ) (10 + ) (13+ ) (16 + ) (19 + ) (22 + ) NF 6000 (0+ ) (10 + ) (13+ ) (16 + ) (19 + ) (22 + ) (25 + )
  • 36. Al termino de la etapa 2, f2(e2, x2) = r2(x2) + f(2+1)*(e2 – x2) f2(e2) = r2(x2) + f3*(e2 –x2) alcanza el estado final, f3*(X3)= cantidad de dinero a invertir de la etapa anterior 2) SUMAR EL ESTADO FUTURO ÓPTIMO f3*= (0,0) (9,1000) (16,2000) (23, 3000) (30,4000) (37, 5000) (44,6000) y evaluar f2(e2) X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ 0) NF NF NF NF NF NF 1000 (0+ ) (10 +0) NF NF NF NF NF 2000 (0+ ) (10 + ) (13+0) NF NF NF NF 3000 (0+ ) (10 + ) (13+ ) (16 + 0) NF NF NF 4000 (0+ ) (10 + ) (13+ ) (16 + ) (19 + 0) NF NF 5000 (0+ ) (10 + ) (13+ ) (16 + ) (19 + ) (22 +0) NF 6000 (0+ ) (10 + ) (13+ ) (16 + ) (19 + ) (22 + ) (25 +0)
  • 37. Al termino de la etapa 2, f2(e2, x2) = r2(x2) + f(2+1)*(e2 – x2) f2(e2) = r2(x2) + f3*(e2 –x2) alcanza el estado final, f3*(X3)= cantidad de dinero a invertir de la etapa anterior 2) SUMAR EL ESTADO FUTURO ÓPTIMO f3*= (0,0) (9,1000) (16,2000) (23, 3000) (30,4000) (37, 5000) (44,6000) y evaluar f2(e2) X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ 0) NF NF NF NF NF NF 1000 (0+9) (10 +0) NF NF NF NF NF 2000 (0+ ) (10 +9) (13+0) NF NF NF NF 3000 (0+ ) (10 + ) (13+9) (16 +0) NF NF NF 4000 (0+ ) (10 + ) (13+ ) (16 +9) (19 +0) NF NF 5000 (0+ ) (10 + ) (13+ ) (16 + ) (19 +9) (22 +0) NF 6000 (0+ ) (10 + ) (13+ ) (16 + ) (19 + ) (22 +9) (25 +0)
  • 38. Al termino de la etapa 2, f2(e2, x2) = r2(x2) + f(2+1)*(e2 – x2) f2(e2) = r2(x2) + f3*(e2 –x2) alcanza el estado final, f3*(X3)= cantidad de dinero a invertir de la etapa anterior 2) SUMAR EL ESTADO FUTURO ÓPTIMO f3*= (0,0) (9,1000) (16,2000) (23, 3000) (30,4000) (37, 5000) (44,6000) y evaluar f2(e2) X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ 0) NF NF NF NF NF NF 1000 (0+9) (10 +0) NF NF NF NF NF 2000 (0+16) (10 +9) (13+0) NF NF NF NF 3000 (0+ ) (10 +16) (13+9) (16 +0) NF NF NF 4000 (0+ ) (10 + ) (13+16) (16 +9) (19+0) NF NF 5000 (0+ ) (10 + ) (13+ ) (16 +16) (19 +9) (22 +0) NF 6000 (0+ ) (10 + ) (13+ ) (16 + ) (19 +16) (22 +9) (25 +0)
  • 39. Al termino de la etapa 2, f2(e2, x2) = r2(x2) + f(2+1)*(e2 – x2) f2(e2) = r2(x2) + f3*(e2 –x2) alcanza el estado final, f3*(X3)= cantidad de dinero a invertir de la etapa anterior 2) SUMAR EL ESTADO FUTURO ÓPTIMO f3*= (0,0) (9,1000) (16,2000) (23, 3000) (30,4000) (37, 5000) (44,6000) y evaluar f2(e2) X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ 0) NF NF NF NF NF NF 1000 (0+9) (10 +0) NF NF NF NF NF 2000 (0+16) (10 +9) (13+0) NF NF NF NF 3000 (0+ 23) (10 +16) (13+9) (16 +0) NF NF NF 4000 (0+ ) (10 +23) (13+16) (16 +9) (19+0) NF NF 5000 (0+ ) (10 + ) (13+23) (16 +16) (19 +9) (22 +0) NF 6000 (0+ ) (10 + ) (13+ ) (16 +23) (19 +16) (22 +9) (25 +0)
  • 40. Al termino de la etapa 2, f2(e2, x2) = r2(x2) + f(2+1)*(e2 – x2) f2(e2) = r2(x2) + f3*(e2 –x2) alcanza el estado final, f3*(X3)= cantidad de dinero a invertir de la etapa anterior 2) SUMAR EL ESTADO FUTURO ÓPTIMO f3*= (0,0) (9,1000) (16,2000) (23, 3000) (30,4000) (37, 5000) (44,6000) y evaluar f2(e2) f2(e2) = r2(x2) + f3*(e2 –x2)= 0 1000 2000 3000 4000 5000 6000 0 (0+ 0) NF NF NF NF NF NF 1000 (0+9) (10 +0) NF NF NF NF NF 2000 (0+16) (10 +9) (13+0) NF NF NF NF 3000 (0+ 23) (10 +16) (13+9) (16 +0) NF NF NF 4000 (0+30) (10 +23) (13+16) (16 +9) (19+0) NF NF 5000 (0+ ) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) NF 6000 (0+ ) (10 + ) (13+30) (16 +23) (19 +16) (22 +9) (25 +0)
  • 41. Al termino de la etapa 2, f2(e2, x2) = r2(x2) + f(2+1)*(e2 – x2) f2(e2) = r2(x2) + f3*(e2 –x2) alcanza el estado final, f3*(X3)= cantidad de dinero a invertir de la etapa anterior 2) SUMAR EL ESTADO FUTURO ÓPTIMO f3*= (0,0) (9,1000) (16,2000) (23, 3000) (30,4000) (37, 5000) (44,6000) y evaluar f2(e2) X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ 0) NF NF NF NF NF NF 1000 (0+9) (10 +0) NF NF NF NF NF 2000 (0+16) (10 +9) (13+0) NF NF NF NF 3000 (0+ 23) (10 +16) (13+9) (16 +0) NF NF NF 4000 (0+30) (10 +23) (13+16) (16 +9) (19+0) NF NF 5000 (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) NF 6000 (0+ ) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0)
  • 42. Al termino de la etapa 2, f2(e2, x2) = r2(x2) + f(2+1)*(e2 – x2) f2(e2) = r2(x2) + f3*(e2 –x2) alcanza el estado final, f3*(X3)= cantidad de dinero a invertir de la etapa anterior 2) SUMAR EL ESTADO FUTURO ÓPTIMO f3*= (0,0) (9,1000) (16,2000) (23, 3000) (30,4000) (37, 5000) (44,6000) y evaluar f2(e2) X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 0 (0+ 0) NF NF NF NF NF NF 1000 (0+9) (10 +0) NF NF NF NF NF 2000 (0+16) (10 +9) (13+0) NF NF NF NF 3000 (0+ 23) (10 +16) (13+9) (16 +0) NF NF NF 4000 (0+30) (10 +23) (13+16) (16 +9) (19+0) NF NF 5000 (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) NF 6000 (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0)
  • 43. Al termino de la etapa 2, f2(e2, x2) = r2(x2) + f(2+1)*(e2 – x2) f2(e2) = r2(x2) + f3*(e2 –x2) alcanza el estado final, f3*(X3)= cantidad de dinero a invertir de la etapa anterior 2) SUMAR EL ESTADO FUTURO ÓPTIMO f3*= (0,0) (9,1000) (16,2000) (23, 3000) (30,4000) (37, 5000) (44,6000) y evaluar f2(e2) X2 f2(e2) = r2(x2) + f3*(e2 –x2)= e2 0 1000 2000 3000 4000 5000 6000 (0+ 0) 0 0 NF NF NF NF NF NF (0+9) (10 +0) 1000 9 10 NF NF NF NF NF (0+16) (10 +9) (13+0) 2000 16 19 13 NF NF NF NF (0+ 23) (10 +16) (13+9) (16 +0) 3000 23 26 22 16 NF NF NF (0+30) (10 +23) (13+16) (16 +9) (19+0) 4000 30 33 29 25 19 NF NF (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) 5000 37 40 26 32 28 22 NF (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0) 6000 44 47 39 39 35 31 25
  • 44. Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X2 f2(e2) = r2(x2) + f3*(e2 –x2)= Óptima e2 0 1000 2000 3000 4000 5000 6000 f2*(e2) x2* (0+ 0) 0 0 NF NF NF NF NF NF 0 0 (0+9) (10 +0) 1000 9 10 NF NF NF NF NF (0+16) (10 +9) (13+0) 2000 16 19 13 NF NF NF NF (0+ 23) (10 +16) (13+9) (16 +0) 3000 23 26 22 16 NF NF NF (0+30) (10 +23) (13+16) (16 +9) (19+0) 4000 30 33 29 25 19 NF NF (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) 5000 37 40 26 32 28 22 NF (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0) 6000 44 47 39 39 35 31 25
  • 45. Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X2 f2(e2) = r2(x2) + f3*(e2 –x2)= Óptima e2 0 1000 2000 3000 4000 5000 6000 f2*(e2) x2* (0+ 0) 0 0 NF NF NF NF NF NF 0 0 (0+9) (10 +0) 1000 9 10 NF NF NF NF NF 10 1000 (0+16) (10 +9) (13+0) 2000 16 19 13 NF NF NF NF (0+ 23) (10 +16) (13+9) (16 +0) 3000 23 26 22 16 NF NF NF (0+30) (10 +23) (13+16) (16 +9) (19+0) 4000 30 33 29 25 19 NF NF (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) 5000 37 40 26 32 28 22 NF (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0) 6000 44 47 39 39 35 31 25
  • 46. Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X2 f2(e2) = r2(x2) + f3*(e2 –x2)= Óptima e2 0 1000 2000 3000 4000 5000 6000 f2*(e2) x2* (0+ 0) 0 0 NF NF NF NF NF NF 0 0 (0+9) (10 +0) 1000 9 10 NF NF NF NF NF 10 1000 (0+16) (10 +9) (13+0) 2000 16 19 13 NF NF NF NF 19 1000 (0+ 23) (10 +16) (13+9) (16 +0) 3000 23 26 22 16 NF NF NF (0+30) (10 +23) (13+16) (16 +9) (19+0) 4000 30 33 29 25 19 NF NF (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) 5000 37 30 26 32 28 22 NF (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0) 6000 44 47 39 39 35 31 25
  • 47. Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X2 f2(e2) = r2(x2) + f3*(e2 –x2)= Óptima e2 0 1000 2000 3000 4000 5000 6000 f2*(e2) x2* (0+ 0) 0 0 NF NF NF NF NF NF 0 0 (0+9) (10 +0) 1000 9 10 NF NF NF NF NF 9 1000 (0+16) (10 +9) (13+0) 2000 16 19 13 NF NF NF NF 19 1000 (0+ 23) (10 +16) (13+9) (16 +0) 3000 23 26 22 16 NF NF NF 26 1000 (0+30) (10 +23) (13+16) (16 +9) (19+0) 4000 30 33 29 25 19 NF NF (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) 5000 37 40 26 32 28 22 NF (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0) 6000 44 47 39 39 35 31 25
  • 48. Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X2 f2(e2) = r2(x2) + f3*(e2 –x2)= Óptima e2 0 1000 2000 3000 4000 5000 6000 f2*(e2) x2* (0+ 0) 0 0 NF NF NF NF NF NF 0 0 (0+9) (10 +0) 1000 9 10 NF NF NF NF NF 9 1000 (0+16) (10 +9) (13+0) 2000 16 19 13 NF NF NF NF 19 1000 (0+ 23) (10 +16) (13+9) (16 +0) 3000 23 26 22 16 NF NF NF 26 1000 (0+30) (10 +23) (13+16) (16 +9) (19+0) 4000 30 33 29 25 19 NF NF 33 1000 (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) 5000 37 40 26 32 28 22 NF (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0) 6000 44 47 39 39 35 31 25
  • 49. Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X2 f2(e2) = r2(x2) + f3*(e2 –x2)= Óptima e2 0 1000 2000 3000 4000 5000 6000 f2*(e2) x2* (0+ 0) 0 0 NF NF NF NF NF NF 0 0 (0+9) (10 +0) 1000 9 10 NF NF NF NF NF 9 1000 (0+16) (10 +9) (13+0) 2000 16 19 13 NF NF NF NF 19 1000 (0+ 23) (10 +16) (13+9) (16 +0) 3000 23 26 22 16 NF NF NF 26 1000 (0+30) (10 +23) (13+16) (16 +9) (19+0) 4000 30 33 29 25 19 NF NF 33 1000 (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) 5000 37 40 26 32 28 22 NF 40 1000 (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0) 6000 44 47 39 39 35 31 25
  • 50. Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X2 f2(e2) = r2(x2) + f3*(e2 –x2)= Óptima e2 0 1000 2000 3000 4000 5000 6000 f2* (e2) x2* (0+ 0) 0 0 NF NF NF NF NF NF 0 0 (0+9) (10 +0) 1000 9 10 NF NF NF NF NF 9 1000 (0+16) (10 +9) (13+0) 2000 16 19 13 NF NF NF NF 19 1000 (0+ 23) (10 +16) (13+9) (16 +0) 3000 23 26 22 16 NF NF NF 26 1000 (0+30) (10 +23) (13+16) (16 +9) (19+0) 4000 30 33 29 25 19 NF NF 33 1000 (0+37) (10 +30) (13+23) (16 +16) (19 +9) (22 +0) 5000 37 40 26 32 28 22 NF 40 1000 (0+44) (10 +37) (13+30) (16 +23) (19 +16) (22 +9) (25 +0) 6000 44 47 39 39 35 31 25 47 1000
  • 51. Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X2 Óptima e2 f2* (e2) x2* 0 0* 0 1000 9* 1000 2000 19* 1000 3000 26* 1000 4000 33* 1000 5000 40* 1000 6000 47* 1000
  • 52. Etapa 1 proyecto C f1(e1) = r1(x1) + f2*(e1 –x1)= r1(x1) Retorno actual en miles de euros para el proyecto B PROYECTO Cantidad C invertida € 0 0 1,000€ 9 1) Registrar r1(x1) en la 2,000€ 13 tabla de dos entradas por columna 3,000€ 17 4,000€ 21 5,000€ 25 6,000€ 29 Cada uno de los valores representa el ingreso sobre la cantidad invertida.
  • 53. Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A Cantidad invertida € A r1(x1) 0 0 X1 f1(e1) = r1(x1) + f2*(e1 –x1)= e1 0 1000 2000 3000 4000 5000 6000 6000 (0+ ) 0 0 X2 Óptima e2 f2* (e2) x2* 1,000€ 9 0 0* 0 2,000€ 13 1000 9* 1000 3,000€ 17 2000 19* 1000 4,000€ 21 3000 26* 1000 5,000€ 25 4000 33* 1000 5000 40* 1000 6,000€ 29 6000 47* 1000
  • 54. Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A Cantidad invertida € A r1(x1) 1000 9 X1 f1(e1) = r1(x1) + f2*(e1 –x1)= e1 0 1000 2000 3000 4000 5000 6000 6000 (0+ ) (9+ ) 0 0 1,000€ 9 2,000€ 13 3,000€ 17 4,000€ 21 5,000€ 25 6,000€ 29
  • 55. Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A Cantidad invertida € A r1(x1) 2000 13 X1 f1(e1) = r1(x1) + f2*(e1 –x1)= e1 0 1000 2000 3000 4000 5000 6000 6000 (0+ ) (9+ ) (13+ ) 0 0 1,000€ 9 2,000€ 13 3,000€ 17 4,000€ 21 5,000€ 25 6,000€ 29
  • 56. Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A Cantidad invertida € A r1(x1) 3000 17 X1 f1(e1) = r1(x1) + f2*(e1 –x1)= e1 0 1000 2000 3000 4000 5000 6000 6000 (0+ ) (9+ ) (13+ ) (17+ ) 0 0 1,000€ 9 2,000€ 13 3,000€ 17 4,000€ 21 5,000€ 25 6,000€ 29
  • 57. Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A Cantidad invertida € A r1(x1) 4000 21 X1 f1(e1) = r1(x1) + f2*(e1 –x1)= e1 0 1000 2000 3000 4000 5000 6000 6000 (0+ ) (9+ ) (13+ ) (17+ ) (21+ ) 0 0 1,000€ 9 2,000€ 13 3,000€ 17 4,000€ 21 5,000€ 25 6,000€ 29
  • 58. Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A Cantidad invertida € A r1(x1) 5000 25 X1 f1(e1) = r1(x1) + f2*(e1 –x1)= e1 0 1000 2000 3000 4000 5000 6000 6000 (0+ ) (9+ ) (13+ ) (17+ ) (21+ ) (25+ ) 0 0 1,000€ 9 2,000€ 13 3,000€ 17 4,000€ 21 5,000€ 25 6,000€ 29
  • 59. Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A Cantidad invertida € A r1(x1) 6000 29 X1 f1(e1) = r1(x1) + f2*(e1 –x1)= e1 0 1000 2000 3000 4000 5000 6000 6000 (0+ ) (9+ ) (13+ ) (17+ ) (21+ ) (25+ ) (29+ ) 0 0 1,000€ 9 2,000€ 13 3,000€ 17 4,000€ 21 5,000€ 25 6,000€ 29
  • 60. Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A 2) SUMAR EL ESTADO FUTURO ÓPTIMO f2*= (0,0) (9,1000) (19,1000) (26, 1000) (33,4000) (40, 1000) (47, 1000) y evaluar f1(e1) X1 f1(e1) = r1(x1) + f2*(e1 –x1)= Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1 * (0+ 47 ) 6000 (9+ ) (13+ ) (17+ ) (21+ ) (25+ ) (29+ ) 47 X2 Óptima Al termino de la etapa 1, e2 f2* (e2) x2* f1(e1, x1) = r1(x1) + f(1+1)*(e1 – x1) 0 0* 0 f1(e1) = r1(x1) + f2*(e1 –x1) 1000 9* 1000 alcanza el estado final, 2000 19* 1000 f2*(X2)= cantidad de dinero a 3000 26* 1000 invertir de la etapa anterior 4000 33* 1000 5000 40* 1000 6000 47* 1000
  • 61. Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A 2) SUMAR EL ESTADO FUTURO ÓPTIMO f2*= (0,0) (9,1000) (19,1000) (26, 1000) (33,4000) (40, 1000) (47, 1000) y evaluar f1(e1) X1 f1(e1) = r1(x1) + f2*(e1 –x1)= Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1 * (0+ 47) 6000 (9+ 40) (13+ ) (17+ ) (21+ ) (25+ ) (29+ ) 47 X2 Óptima Al termino de la etapa 1, e2 f2* (e2) x2* f1(e1, x1) = r1(x1) + f(1+1)*(e1 – x1) 0 0* 0 f1(e1) = r1(x1) + f2*(e1 –x1) 1000 9* 1000 alcanza el estado final, 2000 19* 1000 f2*(X2)= cantidad de dinero a 3000 26* 1000 invertir de la etapa anterior 4000 33* 1000 5000 40* 1000 6000 47* 1000
  • 62. Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A 2) SUMAR EL ESTADO FUTURO ÓPTIMO f2*= (0,0) (9,1000) (19,1000) (26, 1000) (33,4000) (40, 1000) (47, 1000) y evaluar f1(e1) X1 f1(e1) = r1(x1) + f2*(e1 –x1)= Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1 * (0+ 47) (9+ 40) (13+33) 6000 (17+ ) (21+ ) (25+ ) (29+ ) 47 49 48 X2 Óptima Al termino de la etapa 1, e2 f2* (e2) x2* f1(e1, x1) = r1(x1) + f(1+1)*(e1 – x1) 0 0* 0 f1(e1) = r1(x1) + f2*(e1 –x1) 1000 9* 1000 alcanza el estado final, 2000 19* 1000 f2*(X2)= cantidad de dinero a 3000 26* 1000 invertir de la etapa anterior 4000 33* 1000 5000 40* 1000 6000 47* 1000
  • 63. Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A 2) SUMAR EL ESTADO FUTURO ÓPTIMO f2*= (0,0) (9,1000) (19,1000) (26, 1000) (33,4000) (40, 1000) (47, 1000) y evaluar f1(e1) X1 f1(e1) = r1(x1) + f2*(e1 –x1)= Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1 * (0+ 47) (9+ 40) (13+33) (17+26) 6000 (21+ ) (25+ ) (29+ ) 47 49 48 45 X2 Óptima Al termino de la etapa 1, e2 f2* (e2) x2* f1(e1, x1) = r1(x1) + f(1+1)*(e1 – x1) 0 0* 0 f1(e1) = r1(x1) + f2*(e1 –x1) 1000 9* 1000 alcanza el estado final, 2000 19* 1000 f2*(X2)= cantidad de dinero a 3000 26* 1000 invertir de la etapa anterior 4000 33* 1000 5000 40* 1000 6000 47* 1000
  • 64. Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A 2) SUMAR EL ESTADO FUTURO ÓPTIMO f2*= (0,0) (9,1000) (19,1000) (26, 1000) (33,4000) (40, 1000) (47, 1000) y evaluar f1(e1) X1 f1(e1) = r1(x1) + f2*(e1 –x1)= Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1 * (0+ 47) (9+ 40) (13+33) (17+26) (21+19) 6000 (25+ ) (29+ ) 47 49 48 45 40 X2 Óptima Al termino de la etapa 1, e2 f2* (e2) x2* f1(e1, x1) = r1(x1) + f(1+1)*(e1 – x1) 0 0* 0 f1(e1) = r1(x1) + f2*(e1 –x1) 1000 9* 1000 alcanza el estado final, 2000 19* 1000 f2*(X2)= cantidad de dinero a 3000 26* 1000 invertir de la etapa anterior 4000 33* 1000 5000 40* 1000 6000 47* 1000
  • 65. Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A 2) SUMAR EL ESTADO FUTURO ÓPTIMO f2*= (0,0) (9,1000) (19,1000) (26, 1000) (33,4000) (40, 1000) (47, 1000) y evaluar f1(e1) X1 f1(e1) = r1(x1) + f2*(e1 –x1)= Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1 * (0+ 47) (9+ 40) (13+33) (17+26) (21+19) (25+ 9) 6000 (29+ ) 47 49 48 45 40 34 X2 Óptima Al termino de la etapa 1, e2 f2* (e2) x2* f1(e1, x1) = r1(x1) + f(1+1)*(e1 – x1) 0 0* 0 f1(e1) = r1(x1) + f2*(e1 –x1) 1000 9* 1000 alcanza el estado final, 2000 19* 1000 f2*(X2)= cantidad de dinero a 3000 26* 1000 invertir de la etapa anterior 4000 33* 1000 5000 40* 1000 6000 47* 1000
  • 66. Etapa 1 proyecto A f1(e1) = r1(x1) + f2*(e1 –x1), r1(x1) Registrar el retorno de la etapa A 2) SUMAR EL ESTADO FUTURO ÓPTIMO f2*= (0,0) (9,1000) (19,1000) (26, 1000) (33,4000) (40, 1000) (47, 1000) y evaluar f1(e1) X1 f1(e1) = r1(x1) + f2*(e1 –x1)= Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1 * (0+ 47) (9+ 40) (13+33) (17+26) (21+19) (25+ 9) (29+0) 6000 47 49* 48 45 40 34 29 X2 Óptima Al termino de la etapa 1, e2 f2* (e2) x2* f1(e1, x1) = r1(x1) + f(1+1)*(e1 – x1) 0 0* 0 f1(e1) = r1(x1) + f2*(e1 –x1) 1000 9* 1000 alcanza el estado final, 2000 19* 1000 f2*(X2)= cantidad de dinero a 3000 26* 1000 invertir de la etapa anterior 4000 33* 1000 5000 40* 1000 6000 47* 1000
  • 67. Etapa 2 proyecto B 3) EVALUAR POR CADA ESTADO (FILA) LA CANTIDAD MAXIMA La función óptima será el máximo para cada estado X1 f1(e1) = r1(x1) + f2*(e1 –x1)= Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1* (0+ 47) (9+ 40) (13+33) (17+26) (21+19) (25+ 9) (29+0) 6000 49 1000 47 49* 48 45 40 34 29 f1(e1) = r1(x1) + f2*(e1 –x1); f1(e1) = 9 + f2*(6000 –1000)= 9 + f2*(5000)= _____
  • 68. X1 f1(e1) = r1(x1) + f2*(6000–1000)=5000 Óptima e1 0 1000 2000 3000 4000 5000 6000 f1*(e1) x1* 6000 47 49* 48 45 40 34 29 49* 1000 X2 f2(e2) = r2(x2) + f3*(5000 –1000)=4000 Óptima e2 0 1000 2000 3000 4000 5000 6000 f2*(e2) x2* 0 0 NF NF NF NF NF NF 0 0 1000 9 10 NF NF NF NF NF 9 1000 2000 16 19 13 NF NF NF NF 19 1000 3000 23 26 22 16 NF NF NF 26 1000 4000 30 33 29 25 19 NF NF 33 1000 5000 37 40* 26 32 28 22 NF 40* 1000 6000 44 47 39 39 35 31 25 47 1000 X3 Óptima f3(e3) = r3(x3) + 0 TABLA DE LA SOLUCIÓN RECURSIVA e3 f3*(e3) x3* 0 (0+0)= 0 0 0 1000 (9 + 0)= 9 9 1000 Etapa Inversión retorno 2000 (16+ 0)= 16 16 2000 A 4000 30 3000 (23 + 0)= 23 23 3000 B 1000 10 4000 (30 + 0)=30 30* 4000 C 1000 9 5000 (37 + 0)=37 37 5000 TOTAL 6000 49* 6000 (44 + 0)=44 44 6000