Está en la página 1de 12

DETERMINISTICOS.

OPTIMIZACION NO LINEAL.
Se presentan y utilizan condiciones necesarias y suficientes para encontrar de
forma explcita la solucin o soluciones de un problema de optimizacin de
tipo general.
El problema de optimizacin PPNL es encontrar los ptimos (mximos
y/o mnimos) de la funcin
(x) no sobre todo el conjunto
donde est
definida, sino sobre el conjunto factible de los puntos que cumplen todas las
restricciones.
En otro caso (o bien
o bien
son distintos de 0) el problema se dice de
optimizacin con restricciones y a sus extremos, ya sean locales o globales, se
les conoce como extremos condicionados, para distinguirlos de los extremos
de los problemas sin restricciones.
METODOS CLASICOS.
La investigacin de operaciones puede definirse como un mtodo de
resolucin de problemas, la cual brinda las herramientas suficientes para que
con base en abstracciones de la realidad se puedan generar y resolver modelos
matemticos con el objetivo de elaborar un anlisis y concluir de los mismos
para as poder sustentar cuantitativamente las decisiones que se tomen
respecto a la situacin problema.

Otra de las muchas definiciones que de la investigacin de operaciones se


encuentran es la siguiente:
"La Investigacin de Operaciones es la aplicacin, por grupos
interdisciplinarios, del mtodo cientfico a problemas relacionados con el
control de las organizaciones o sistemas a fin de que se produzcan soluciones
que mejor sirvan a los objetivos de toda organizacin."

Un elemento principal de la investigacin de operaciones es el modelado


matemtico. Aunque la solucin del modelo matemtico establece una base
para tomar una decisin, se deben tener en cuenta factores intangibles o no
cuantificables, por ejemplo el comportamiento humano, para poder llegar a
una decisin final
METODOS DE BUSQUEDA.
Es aquel que est diseado para localizar un elemento con ciertas propiedades
dentro de una estructura de datos; por ejemplo, ubicar el registro
correspondiente a cierta persona en una base de datos, o el mejor movimiento
en una partida de ajedrez.
Elementos necesarios en una bsqueda: log2(n) donde n = elementos de la
bsqueda
Ejemplo: log2 (1.000.000) 20.Bsqueda secuencial. Se utiliza cuando el
vector no est ordenado o no puede ser ordenado previamente. Consiste en
buscar el elemento comparndolo secuencialmente (de ah su nombre) con
cada elemento del vector hasta encontrarlo, o hasta que se llegue al final. La
existencia se puede asegurar cuando el elemento es localizado, pero no
podemos asegurar la no existencia hasta no haber analizado todos los
elementos del vector.
Datos de entrada:
Vec: vector en el que se desea buscar el dato.
Tam: tamao del vector. Los subndices vlidos van desde 0 hasta tam-1
Inclusive. Puede representarse as: vec [0...tam) o vec [0...tam-1].
Dato: elemento que se quiere buscar.
Variables
Pos: posicin actual en el vector
Pos = 0
While pos < tam:
If vec [pos] == dato:
Retorne verdadero y/o pos,
Else:
Pos = pos + 1
Fin (while)
Retorne falso,

Int busquedaSimple (int vector[n], int n, int dato) {


Int i;
For (i=0; i<n; i++) {
If (dato==vector[i]) {
Return i;
Break;
}
}
Return
}
PROGRAMACION NO LINEAL.
Un supuesto importante de programacin lineal es que todas sus funciones son
lineales, aunque en esencia, este supuesto se cumple en el caso de muchos
problemas prcticos, con frecuencia no es as.
De manera general el problema de programacin no lineal consisten encontrar
lo valores del x.
Un modelo de programacin no lineal es aquel donde las variables de decisin
se expresan como funciones no lineales ya sea en la funcin objetivo y
restricciones de un modelo de optimizacin.
Esta caractersticas particular de los modelos no lineales permite abordar
problemas donde existen economas o deseconomias de escala o en general
donde los supuestos asociados a la proporcionalidad no se cumplen.
Ejemplos de programacin no lineal, existen mltiples aplicaciones tpicas
para modelos no lineales.
Se busca estar a la menor distancia de los 3 principales locales de venta al
pblico denominado A, B Y C, respectivamente.

OPTIMIZACION LINEAL.

Un modelo de Optimizacin Matemtica 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 diseo y seleccin de carteras financieras de
inversin.
La formulacin de problemas de optimizacin, diseo de la estrategia ptima
y herramientas de control de calidad que incluyen validacin, verificacin y
anlisis post-solucin.
La optimizacin, tambin denominada programacin matemtica, sirve para
encontrar la respuesta que proporciona el mejor resultado, la que logra
mayores ganancias.
PROGRAMACIN LINEAL.
En la actualidad es una herramienta de uso normal que ha ahorrado miles o
millones de dlares o muchas compaas o negocios, incluso empresas
medianas, en los distintos pases industrializados del mundo; su aplicacin a
otros sectores de la sociedad se ha ampliado con rapidez.
El problema bsico de Programacin Lineal consiste en minimizar una
funcin objetivo lineal de variables lineales continuas, sujetas a restricciones
lineales. Se considera que una funcin es lineal si es una combinacin lineal
de las variables consideradas.
Una expresin estndar de un problema de Programacin Lineal es: La regin
de factibilidad es un poliedro y al menos una solucin.
Los problemas de programacin lineal (PL) se tienen una funcin objetivo
lineal y restricciones lineales.
El mtodo predominante para la resolucin de problemas de PL es el llamado
mtodo Simplex, el cual utiliza una estrategia active set, que en este caso
implica que se recorran las aristas de la regin factible, de vrtice en vrtice.
Sin embargo, la formulacin ms usual en el contexto terico es la forma
cannica, en que se tienen solamente restricciones de desigualdad (y
condiciones de positividad de las variables).
TRANSPORTE Y ASIGNACION.
Se conoce como problema de transporte, nombre que recibe porque muchas de
sus aplicaciones involucran como determinar la manera ptima de transportar
bienes.
Sin embargo, algunas de sus aplicaciones importantes como la programacin
de la produccin en realidad no tienen nada que ver con el transporte.

El segundo tipo, llamado problema de asignacin, incluye aplicaciones como


asignacin de personas a tareas.
Existen dos aplicaciones importantes de la programacin lineal que son el
modelo de transportes y el de asignacin de recursos.
La solucin de estos modelos puede obtenerse aplicando el mtodo simplex,
se estudian algoritmos especiales para la solucin de estos problemas.
Suponga que una compaa tiene m plantas de produccin (i), de
capacidad ai (i = 1...m) y n almacenes de distribucin (j), con demanda bj (j =
1...n). El costo de transporte entre la planta i y el almacn es conocido como
cij.
EJEMPLO:

El problema es determinar la cantidad (xij) que debe suministrar la planta i al


almacn j, de tal manera que el costo de transporte total sea mnimo. Las
consideraciones de costos de produccin e inventario se pueden incorporar al
modelo bsico.
El modelo tpico tiene cuatro componentes:

Un conjunto de m fuentes.
Un conjunto de n destinos.
Costos de transporte entre las fuentes y los destinos.
Cantidades de producto para enviar entre las fuentes y los destinos.

El modelo general que representa el modelo de transporte es: Min z = S iS j


cijxij.
Sujeto a: S j xij = ai (fuentes i = 1..m)
S i xij = bj (destinos j = 1...n) Xij >= 0

PROGRAMACION ENTERA Y BINARIA.


Sin embargo una limitacin importante que impide muchas otras aplicaciones
es el supuesto de divisibilidad que requiere que las variables de decisin
puedan tomar valores no enteros.
EJEMPLO: Se tienen tres personas (recurso) para asignarlos a tres labores
diferentes. Cada uno de ellos puede efectuar cualquiera de las tareas
existentes, pero con diferente nivel de especialidad.
Por supuesto el objetivo es el de asignar a las personas de manera tal que la
calificacin en conjunto sea la mxima.
Tambin funciona para minimizar, por ejemplo, en vez de calificacin podran
ser tiempos de manufactura de cualquier tipo de productos, y el objetivo sera
el de minimizar el tiempo total de manufactura.
Xij = 1 si asignamos el operario i a la tarea j, de lo contrario 0 en ste orden es
maximizar la calificacin total al asignar los operarios a las diferentes tareas.

La calificacin que se logre est en la celda B2, y es el resultado de sumar el


producto de dichas variables con su respectiva calificacin en la matriz de
abajo.

REDES.
Los problemas de optimizacin de redes se pueden representar en trminos
generales: Modelo de minimizacin de redes, modelo de la ruta ms corta
modelo del flujo mximo, modelo del flujo del costo mnimo.
Las redes de transporte, elctricas y de comunicaciones predominan a la vida
diaria. La representacin de redes se utiliza de manera amplia en reas tan
diversas como produccin, distribucin, planeacin financiera.
Modelo de redes. El modelo de minimizacin de redes o problema del rbol de
mnima expansin tiene que ver con la determinacin de los ramales que
pueden unir todos los nodos de una red, tal que minimice la suma de las
longitudes de los ramales escogidos.
Para crear el rbol de expansin mnima tiene las siguientes caractersticas: Se
proporcionan las ligaduras potenciales y la longitud positiva para cada una si
se inserta en la red. (Las medidas alternativas para la longitud de una ligadura
incluyen distancia, costo y tiempo.)
Una red con n nodos requiere slo (n-1) ligaduras para proporcionar una
trayectoria entre cada par de nodos.
Las (n-1) ligaduras deben elegirse de tal manera que la red resultante formen
un rbol de expansin, el problema es hallar el rbol de expansin con la
longitud total mnima de sus ligaduras.

HIBRIDOS.
PROGRAMACION DINAMICA.
La programacin dinmica es una tcnica matemtica til para la toma de
decisiones secuenciales interrelacionadas, proporciona un procedimiento
sistemtico para determinar las combinaciones ptimas de decisiones.
Cuando el futuro es aleatorio (parmetros estocsticos), la optimizacin de la
esperanza matemtica del valor total slo puede llevarse a cabo en un sentido.

Si al concepto de Programacin Dinmica se le une la consideracin de los


mtodos de Ramificacin y Corte, aparece el concepto de Programacin
Dinmica Acotada, por el cual se utilizan cotas en un esquema de
Programacin Dinmica, limitando el nmero de vrtices que se pueden
almacenar.
Por las propias caractersticas de la aproximacin a la resolucin de problemas
de Programacin Dinmica (analizar el problema desde el final y retroceder
por el camino hacia el principio) se puede compartir la afirmacin de que la
Programacin Matemtica, adems de un modo de modelar es un modo de
vida.
INVENTARIOS.
El modelo de programacin lineal aplicado al manejo de inventarios en este
modelo se resuelve un problema de programacin lineal inspirado en Winston
(1994) para obtener los valores que minimizan la funcin de costos.
De manera similar, tanto los distribuidores como las tiendas deben mantener
inventario de bienes disponibles para cuando los consumidores los soliciten.
El Sistema de Inventarios Insumos, Proveedores Almacn de insumos
Administracin, Productos, Control de calidad, Produccin, Almacn de
productos terminados, Cliente, Productos.
La idea integradora que representa su inclusin en el sistema computarizado,
tomando la informacin necesaria para su ejecucin directamente de la base
de datos, se basa en que, a medida que la organizacin utilice intensivamente
y durante un largo periodo el sistema, este recaudara ms datos con los cuales
las estimaciones del modelo sern cada vez ms cercanas a la realidad.
SIMULACION PERT/CPM.
La simulacin se clasifica en un escaln muy alto entre las tcnicas que ms se
usan. An ms debido a que es una herramienta tan flexible, poderosa e
intuitiva, sus aplicaciones crecen con rapidez de manera continua.
Asociada en ocasiones a la teora de colas y heredera de la dinmica de
sistemas se encuentra otra herramienta de los mtodos cuantitativos como es
la simulacin.
El incremento de la capacidad de clculo de los ordenadores, as como sus
crecientes capacidades grficas hace que esta ltima est experimentando una
aplicacin creciente en el modelado de flujos de materiales, e incluso de
informacin.
La simulacin bien aplicada exige un importante esfuerzo para garantizar la
validez de resultados.

La simulacin es comparable al anlisis por experimentos, al hacer una


simulacin hay que hacer frente a los mismos problemas que hay que afrontar
cuando se hace experimentacin convencional (incluyendo diseo
experimental y anlisis estadstico).
La simulacin no reduce el esfuerzo a realizar, sino que resuelve problemas
que la teora de colas analtica no es actualmente capaz de abordar.
HEURISTICOS.
Dinmica Heurstica desarrolla software de modelos de simulacin de
contaminacin y riesgos en industrias, cursos interactivos, desarrollos
multimedia, aplicaciones en las reas de recursos humanos, seguridad
industrial e internet.
El Sistema de Informacin de Seguridad Industrial (SISEI), un producto de
Sistemas Heursticos, apoya la labor del personal de seguridad industrial en las
empresas para almacenar estadsticas e informacin estructurada.

ESTOCASTICOS.
PROGRAMACION ESTOCASTICOS.
El resultado de la representacin mediante un modelo de una situacin real en
la que hemos de tomar una decisin, es frecuente que se desconozcan los
valores de algunos de los parmetros que intervienen en l.
En programacin estocstica se relaja, por tanto, la hiptesis de que todos los
parmetros del problema son deterministas, permitiendo tratar como variables
aleatorias parmetros sujetos a incertidumbre o a posibles errores en su
medicin o estimacin y de los que se conoce su distribucin de probabilidad.
COLAS.
Las colas son parte de la vida diaria (lneas de espera) son parte de la vida
diaria, en un sistema de filas de espera encontramos diversos componentes:
fuentes de entrada, clientes, las colas propiamente dichas, y los servidores.
Estos componentes tienen comportamientos caractersticos que deben ser
especificados al describir el sistema.
Los clientes en un sistema de colas no tienen porque ser personas, pueden ser
llamadas telefnicas, aviones, mquinas y los servidores pueden ser buffers de
memoria, pistas de aterrizaje, equipos de reparadores.
Un sistema de filas de espera, interesa determinar diversos datos del mismo.
Entre los ms comunes encontramos:
n nmero esperado de clientes en el sistema,
n nmero esperado de clientes en la cola,

r nmero medio de servidores ocupados,


f t tiempo medio de espera en la cola,
t s tiempo medio de permanencia en el sistema.
En los modelos ms utilizados de sistemas de colas, el sistema queda
determinado por la distribucin de probabilidad de los tiempos de llegada de
los clientes, la distribucin del tiempo de servicio, y el nmero de servidores
existentes.
PROCESOS ESTOCSTICOS.
Un proceso estocsticos se define como una coleccin indexada de variables
aleatorias {x}, donde el ndice t toma valores de un conjunto t dado. Con
frecuencia t se considera el conjunto de enteros no negativos mientras que x,
representa unas caractersticas de inters cuantificable en el tiempo t.
El concepto de proceso estocstico, definindolo como una familia de v.a. que
describe la evolucin, a travs del tiempo, de un proceso fsico o experimento.
Definimos un proceso estocstico X= (Xt, tT) como una familia de variables
aleatorias, cuyo ndice tT es llamado el conjunto de los ndices (o parmetro
de tiempo) del proceso X.
Para cada tT, Xt es una variable aleatoria sobre el espacio de estado del
proceso X.
Definimos el espacio de estado de un proceso estocstico X como el conjunto
mnimo E de todos los valores posibles que las v.a. Xt puedan asumir; cada
uno de estos valores es un estado posible del sistema. El evento que indica
que en el instante t el proceso se encuentra en el estado e (Xt = e).
Si E es un conjunto finito o infinito numerable de estados se dice que el
proceso X es de espacio de estado discreto.
TEORIAS DE DESICIONES.
Este entorno de toma de decisiones permiti formular modelos matemticos
tiles programacin lineal, programacin entera, programacin no lineal, con
funciones objetivo que especifican las secuencias estimadas de cualquier
combinacin de decisiones.

La toma de decisiones es el proceso mediante el cual se realiza una eleccin


entre las alternativas o formas para resolver diferentes situaciones de la vida,
estas se pueden presentar en diferentes contextos: a nivel laboral, familiar,
sentimental, empresarial (utilizando metodologas cuantitativas que brinda la
administracin), etc., es decir, en todo momento se toman decisiones, la
diferencia entre cada una de estas es el proceso o la forma en la cual se llega a
ellas.
La toma de decisiones consiste, bsicamente, en elegir una alternativa entre
las disponibles, a los efectos de resolver un problema actual o potencial.
Una decisin ser buena o mala despus de haberla tomado
Modelos de criterios de decisin.
Al tomar la decisin solo se debe pensar en la alternativa que genere mayor
beneficio, este modelo de decisin si se pueden predecir con certeza las
consecuencias de cada alternativa de accin, entonces se tienen una tarea de
toma de decisiones.
La informacin con la que se cuenta para solucionar el problema es
incompleta, es decir, se conoce el problema, se conocen las posibles
soluciones, pero no se conoce con certeza los resultados que pueden arrojar.
Este modelo, incluye aquellas decisiones para las que las consecuencias de
una accin dada dependen de algn evento probabilista.
Estructurada: No se sabe que puede pasar entre diferentes alternativas, pero
s se conoce que puede ocurrir entre varias posibilidades.
No estructurada: No se sabe que puede ocurrir ni las probabilidades para las
posibles soluciones, es decir no se tienen ni idea de que pueda pasar.
TEORIA DE JUEGOS.
Los numerosos ejemplos que involucran adversarios en conflicto incluyen
juegos de mesa, combates militares, campaas polticas, competencias
deportivas campaas de publicidad y comercializacin en las competencias de
empresas, entre otros.

La teora de juegos no permite siempre resolverlos formalmente, pero aporta


un marco de reflexin que ayude a la toma de decisiones.
El conjunto de datos, se cuenta con otra opcin: simular tanto el
comportamiento actual as como las propuestas y ver si hay mejoras
sustanciales, las simulaciones son experiencias artificiales.
Planteamientos distintos: el estratgico o no-cooperativo y el cooperativo, la
complejidad.