UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD PROGRAMACION LINEAL

APORTE TRABAJO COLABORATIVO 1.

PRESENTADO POR: LUIS ALVARO GUAYACUNDO CODIGO: 86.066.209

GRUPO 100404_15 PRESENTADO A: !RANSISCO !ERNANDE"

ABRIL 11 DEL 2014

VILLAVICENCIO #META

!ASE 1. 1. R$%&'(%) *+% ,-+.$,', /$ 0%/% 12/$&2. M2/$&2 /$.$)1'+-,.'02,: es aquel en el cual se establecen las condiciones para que al ejecutar el experimento se determine el resultado. suponen que las variables de todas las variables no controlables y los parmetros se conocen como certeza y son fijos, esta clase de modelo se maneja porque son manejables, los modelos matemticos bajo suposiciones determinsticos que bajo suposiciones probabilsticas, algunos sistemas del mundo real son lo suficientemente estables como para modelarlos eficazmente con enfoques determinsticos y permiten la introduccin de incertidumbre. Los modelos determinsticos son los que hacen predicciones definidas de cantidades, dentro de cualquier distribucin de probabilidades tambi!n se les puede definir como aquellos que se aplican a problemas en los que hay un solo estado de la naturaleza, y donde variables, limitaciones y alternativas son, despu!s de que se aceptan los supuestos, conocidos, definibles, finitos y predecibles con confidencia estadstica. "lgunos modelos, herramientas o t!cnicas determinsticas son: programacin lineal, anlisis de #ar$ov, costo%beneficio, entre otros. &e caracterizan porque ma'imizan o minimizan algunas funciones objetivo (reemplazando, e'presado en t!rminos de variables y parmetros), generalmente sujetos a un conjunto de restricciones. *n los #odelos de +ransporte y los de "signacin los cuales pueden hacer ms eficientes los procedimientos de solucin, los modelos de programacin de metas optimizan una funcin objetivo de criterios que es lineal, sujeta a un conjunto de restricciones lineales. La distincin entre los #odelos de ,ptimizacin Lineales y no Lineales se basa en la naturaleza de la funcin objetivo y%o las restricciones. 1.1. M2/$&2 /$ 23.'1'(%0'4+ +2 &'+$%&: -n modelo de ,ptimizacin #atemtica consiste en una funcin objetivo y un conjunto de restricciones en la forma de un sistema de ecuaciones o inecuaciones. Los modelos de optimizacin son usados en casi todas las reas de toma de decisiones, como en ingeniera de dise.o y seleccin de carteras financieras de inversin. /uando el conjunto de restricciones, la funcin objetivo, o ambos, son no lineales, se dice que se trata de un problema de programacin no lineal (001L).Los problemas de optimizacin no lineal son ms difciles de resolver que los lineales. *stas dificultades aparecen incluso en el caso ms simple como el de optimizar una funcin de una variable en 2 sin restricciones &on tipos de modelos que se caracterizan porque tanto la funcin objetivo como las restricciones no pueden ser e'presadas como una combinacin lineal de las variables, es
2

decir, la funcin objetivo y las restricciones no son funciones lineales de las variables sino que pueden ser funciones de orden superior. &u clasificacin de da teniendo en cuenta el m!todo de solucin y no su estructura. *s un procedimiento de soluciones para sistemas de igualdades y desigualdades, las cuales estn sometidas a una serie de restricciones, en un conjunto de variables reales, donde se debe ma'imizar una funcin objeto, siempre y cuando alguna de las restricciones o la funcin no sean lineales. 1.1.1. M5.2/2, C&6,'02,: &on tipos de m!todos que emplean el clculo diferencial para hallar las soluciones ptimas a los sistemas. 1.1.2. M5.2/2 /$ B7,8*$/%: *s aquel que permite recuperar informacin de un vector o un archivo que contenga una lista de datos. /uando se realizan b3squedas sobre vectores, se desea es encontrar la posicin que ocupa el elemento buscado dentro de la lista de elementos que contiene el vector. 1.1. . P)29)%1%0'4+ +2 &'+$%& :PNL;: *s el proceso de resolucin de un sistema de igualdades y desigualdades sujetas a un conjunto de restricciones sobre un conjunto de variables reales desconocidas, con una funcin objetivo ma'imizar, cuando alguna de las restricciones o la funcin objetivo no son lineales. 1.2. M2/$&2 /$ 23.'1'(%0'4+ &'+$%&: *n este caso es necesario que las restricciones y la funcin sean de tipo lineal, formulndose a trav!s de ecuaciones e inecuaciones lineales donde se hallan series de soluciones o un conjunto factible. Los casos especiales de la programacin lineal son, los modelos de transporte y asignacin. M2/$&2, E,.206,.'02,: +ratan los parmetros de modelos de optimizacin como variables aleatorias de distribuciones mu!strales especficas. 2epresentan un rea de la programacin matemtica en la que no se aplican suposiciones determinsticas.

M2/$&2, <-=)'/2,: se compone de la programacin dinmica la cual tiene enfoque a la optimizacin deseable, los inventarios que ocupan una categora especial ya que han sido desarrollados especialmente para un rea dada de aplicacin, la simulacin representa el comportamiento de sistemas complejos por modelos lgicos o matemticos computarizados.

La +eora de 4ecisiones representa la toma de decisiones bajo incertidumbre, la cual incorpora e integra conceptos de la teora de utilidad, de la teora de distribucin de probabilidades y de la teora de probabilidad de 5ayes. La +eora de 6uegos caracteriza el comportamiento de la toma de decisiones bajo conflicto o competencia.

MODELOS

CRACTERISTICAS
libre 78 9 *s aquel en el cual se establecen las condiciones para que al ejecutar el e'perimento se determine el resultado. suponen que las variables de todas las variables no controlables y los parmetros se conocen como certeza y son fijos, esta clase de modelo se maneja porque son manejables, los modelos matemticos bajo suposiciones determinsticos que bajo suposiciones probabilsticas, algunos sistemas del mundo real son lo suficientemente estables como para modelarlos eficazmente con enfoques determinsticos y permiten la introduccin de incertidumbre

EJEMPLOS
-n ejemplo clsico de modelo determinstico es de cada . L%, 02+/'0'2+$, /$ ?%&'/$( /$ $,.$

MODELO DETERMIN>STICOS

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

M2/$&2, E,.206,.'02,

En el estudio de las variables aleatorias realizado *l n3mero de llamadas telefnicas recibidas en una hasta ahora se han explorado las caractersticas centralita hasta cierto instante t aleatorias del fenmeno pero se ha mantenido una premisa por defecto, que esas caractersticas aleatorias permanecen constantes a travs del tiempo. Al incluir en el estudio la presencia de la variable determinstica tiempo se est considerando que, de alguna forma, la variable
5

aleatoria depende del tiempo *s un modelo matemtico que se compone de varios sistemas de eventos discretos de distinta naturaleza, es decir unos continuos a trozos y otros discretos en el tiempo conectados entre si que es posible la comunicacin por medio de eventos -n sistema hbrido es un sistema dinmico que muestra tanto el comportamiento dinmico continuo y discreto 9 un sistema que puede tanto el flujo y salto. " menudo, se utiliza el t!rmino :sistema dinmico hbrido:, para distinguir ms de los sistemas hbridos, tales como los que se combinan las redes neuronales y lgica difusa, o lneas de conduccin el!ctrica y mecnica. -n sistema hbrido tiene la ventaja de que abarca una clase ms amplia de los sistemas dentro de su estructura, lo que permite ms fle'ibilidad en el modelado de fenmenos dinmicos

MODELO FIBRIDO

-n ejemplo cannico de un sistema hbrido es la pelota que rebota, un sistema fsico con el impacto. *n este caso, la pelota se deja caer desde una altura inicial y rebota en el suelo, disipando su energa en cada rebote. *l baln e'hibe dinmicas continuas entre cada rebote, sin embargo, como la pelota impacta en el suelo, su velocidad se somete a un cambio discreto modelado despu!s de una colisin inelstica. -na descripcin matemtica de la pelota que rebota sigue. ;amos a ser la altura de la pelota y ser la velocidad de la pelota. -n sistema hbrido que describe el baln es de la siguiente manera: /uando, saltos se rigen por, donde la clase img <8 alt :te': 8 := <>> gamma es un factor de disipacin. *sto es decir que cuando la altura de la pelota es cero, su velocidad se invierte y se redujo por un factor de . *fectivamente, esto describe la naturaleza de la colisin inelstica. .

2. EE$13&2, /$ 0%/% 12/$&2 2.1 M2/$&2 D$.$)1'+-,.'02 EE$13&2: a) La planificacin de una lnea de produccin, en cualquier proceso industrial, es posible realizarla con la implementacin de un sistema de gestin de procesos que incluya un modelo determinstico en el cual est!n cuantificadas las materias primas, la mano de obra, los tiempos de produccin y los productos finales asociados a cada proceso b) -n ejemplo clsico de modelo determinst '02 $, /$ 0%-/% &'=)$ FG 9 . L%,

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a) *l n3mero de llamadas telefnicas recibidas en una centralita hasta cierto instante t. b) La sucesin de tiempos que permanecen en el buffer de un conmutador los paquetes de una cone'in en espera de ser transmitidos. c) La sucesin de tama.os (en bytes) de los paquetes que llegan a un conmutador de red.

. E,0)'=% &% '132).%+0'% 8*$ .'$+$ &% '+?$,.'9%0'4+ /$ 23$)%0'2+$, $+ ,* 0%))$)% 3)2@$,'2+%&. *l mundo de hoy e'ige que cada uno como profesionales nos enfrentemos a tomar decisiones de manera muy racional, el impacto de la investigacin de operaciones en el mejoramiento de la eficiencia de numerosas organizaciones de todo el mundo, ha sido bastante grande. *n el modulo de programacin lineal podemos ver que la investigacin de operaciones ha hecho contribuciones significativas al incremento de la productividad dentro de la economa de varios pases, por este motivo es de gran importancia para nuestra vida profesional, y la metodologa aqu adquirida nos ayudara en nuestra formacin y crecimiento como profesionales dentro de las funciones de la organizacin. La toma de decisiones es una eleccin que debemos enfrentar en todas las reas de nuestra vida y durante todo el transcurso de la misma. Las estadsticas e'presan que cada da tomamos ms de ?@== decisiones, siendo muchas de ellas trascendentales para cambiar el rumbo de nuestra vida. *n nuestra vida acad!mica y laboral es igual, debemos tomar decisiones que traern beneficios o por el contrario fracaso, como por ejemplo: 2ealizo el trabajo de 0L, o no lo realizo, estudio para el e'amen o no estudio, soy cumplido, honesto y diligente en mi empresa o no lo soy... +odas estas cosas hacen que nuestra vida tomen diferentes rumbos. *s ah donde la la investigacin de operaciones juega un papel muy importante en el caso de nuestra rea acad!mica y laboral, ya que esta herramienta nos ense.a las pautas a seguir para poder tomar una decisin adecuada o darle forma a un modelo de solucin de un problema determinado que al final se convertir en decisiones y dependiendo de la calidad del modelo as mismo obtendremos un buen resultado.