Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TRABAJO COLABORATIVO 1
Presentado por: Grupo 237
Jorge Enrique Arvalo Santos
Cdigo: 80011.968
Jonathan Farid Trujillo Valencia
Cdigo: 80125.397
Presentado a:
Fabio Ossa
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD-
PROGRAMACIN LINEAL
BOGOT D.C.
OCTUBRE DE 2013
ACTIVIDADES
1. Elabore una sntesis de cada modelo clasificndolo de acuerdo al cuadro anexo.
Los modelos de la investigacin de operaciones se dividen en 3 grandes grupos con sus
respectivos enfoques internos:
DETERMINSTICOS (O NO PROBABILSTICOS): suponen que los valores de todas las
variables no controlables y de los parmetros se conocen con certeza y son fijos, aunque
en el mundo real esto no es cierto. Pero existen 3 buenas razones para usar esto
modelos: son ms manejables matemticamente e incluso modelos complejos son
factibles de modelarse de forma determinstica, segundo, algunos modelos del mundo real
son muy estables y se pueden modelar de esta forma y tercero, los modelos
determinsticos permiten la introduccin de la incertidumbre en sus clculos (anlisis de
sensibilidad). La mayora de estos modelos pueden caracterizarse como aquellos que
optimizan una funcin objetivo sujetos a un conjunto de restricciones. Los mtodos
determinsticos son:
OPTIMIZACIN NO LINEAL (PROGRAMACIN NO LINEAL):se clasifican por su
mtodo de solucin en:
MTODOS CLSICOS: usan clculo diferencial.
MTODO DE BSQUEDA: usan tcnicas gradientes y ramificacin.
MTODOS DE PROGRAMACIN NO LINEAL: aplican algoritmos especiales para
explotar ciertas estructuras matemticas en las relaciones funcionales.
OPTIMIZACIN LINEAL (REDES): su funcin objetivo y sus restricciones son
lineales. Representan los modelos de programacin entera en diagramas de flujo.
TRANSPORTE Y ASIGNACIN: son casos especiales de programacin lineal.
PROGRAMACIN ENTERA Y 0-1: se usan cuando las variables de decisin se
restringen ya sea a integrarse o a valores 0 y 1.
ESTOCSTICOS: son los que tratan los parmetros como variables de distribuciones
muestrales especficas, es decir se basan en la estadstica. Se clasifican en:
PROGRAMACIN ESTOCSTICA: utilizan algoritmos cuyos para metros de
optimizacin se toman como variables aleatorias de distribuciones muestrales
especficas, no aplican suposiciones determinsticas.
MODELOS FSICOS: intentar predecir las caractersticas operativas de los
sistemas, como por ejemplo las colas. Algunas veces se pueden resolver por
mtodos de optimizacin.
TEORA DE DECISIONES Y JUEGOS: toma de decisiones bajo presin o
incertidumbre.
HBRIDOS: se clasifican en:
PROGRAMACIN DINMICA (HEURSTICOS):es un enfoque deseable para
modelos con representaciones determinsticas y probabilsticas
INVENTARIOS: especifican modelos de inventarios para minimizar los costos.
SIMULACIN: representan sistemas complejos por modelos lgicos o matemticos
computarizados. Representando las incertidumbres, las relaciones y las
interacciones de los componentes individuales adecuadamente se puede
reproducir el sistema artificialmente. Los modelos de simulacin de la investigacin
de operaciones representan al sistema de enfoques matemticos para su
operacin en computadores. La simulacin es muy valiosa en especial cuando se
presentan sistemas complejos.
PERT RUTA CRITICA: enfoque para planear, programar y controlar proyectos
complejos que se pueden caracterizar como redes.
2. Ilustre con un ejemplo cada modelo:
MODELOS DETERMINSTICOS:
PROGRAMACIN NO LINEAL: La empresa ZUMIBAN se dedica a la
obtencin de zumos de frutas exticas. En el proceso de transformacin se
utiliza zumo puro, agua y otros aditivos que diferencian sus zumos respecto a
los de la competencia. El zumo puro se obtiene exprimiendo las frutas y
desechando las pieles y otros residuos slidos. ZUMIBAN tiene tres clases de
zumo: A, B y C, que se diferencian en la cantidad de zumo puro, agua y
aditivos. El costo de producir un litro del zumo A es de 10 ml., 2 ml. para un
litro del zumo B y 3 ml. por litro del zumo C. La funcin de ingresos de la
empresa es: