UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE INGENIERIA MECANICA ELECTRICA, ELECTRONICA Y

SISTEMAS

ESCUELA PROFESIONAL DE INGENIERIA DE SISTEMAS

TRABAJO ENCARGADO:

ASIGNATURA: TEORIA DE DECISIONES

DOCENTE: ING. JIMÉNEZ CHURA ADOLFO CARLOS

SEMESTRE: X

PRESENTADO POR:

 CONDORI MAMANI DENNIS JESUS

CODIGO:130350

PUNO – PERU

2018
TOMA DE DECISIONES EN EL PROCESO
La toma de decisiones es el proceso mediante el cual se realiza una elección entre diferentes
opciones o formas posibles para resolver diferentes situaciones en la vida en diferentes
contextos: empresarial, laboral, económico, familiar, personal, social, etc.(utilizando
metodologías cuantitativas que brinda la administración). La toma de decisiones consiste,
básicamente, en elegir una opción entre las disponibles, a los efectos de resolver un problema
actual o potencial (aun cuando no se evidencie un conflicto latente).
En términos básicos, la toma de decisiones, es el proceso de definición de problemas,
recopilación de datos, generación de alternativas y selección de un curso de acción y se
define como “el proceso para identificar y solucionar un curso de acción para resolver un
problema específico”.

CARACTERÍSTICAS
La toma de decisiones a nivel individual se caracteriza por el hecho de que una persona haga
uso de su razonamiento y pensamiento para elegir una alternativa de solución frente a un
problema determinado; es decir, si una persona tiene un problema, deberá ser capaz de
resolverlo individualmente tomando decisiones con ese específico motivo. También, la toma de
decisiones es considerada como una de las etapas de la dirección.

Etapas de dirección: Toma de decisiones.

En la toma de decisiones importa la elección de un camino a seguir, por lo que en un estado

anterior deben evaluarse alternativas de acción. Si estas últimas no están presentes, no existirá
decisión. Para tomar una decisión, cual sea su naturaleza, es necesario conocer, comprender y
analizar un problema, para así poder darle una solución. En algunos casos, por ser tan simples y
cotidianos, este proceso se realiza de forma implícita y se soluciona muy rápidamente, pero
existen otros casos en los cuales las consecuencias de una mala o buena elección pueden tener
repercusiones en la vida y si es en un contexto laboral en el éxito o fracaso de la organización,
para los cuales es necesario realizar un proceso más estructurado que puede dar más
seguridad e información para resolver el problema.
que puede dar más seguridad e información para resolver el problema.

CLASIFICACIÓN DE LAS DECISIONES

DECISIONES PROGRAMADAS:
Son aquellas que se toman frecuentemente, es decir son repetitivas y se convierte en una rutina
tomarlas; como el tipo de problemas que resuelve y se presentan con cierta regularidad ya que
se tiene un método bien establecido de solución y por lo tanto ya se conocen los pasos para
abordar este tipo de problemas, por esta razón, también se las llama decisiones
estructuradas. La persona que toma este tipo de decisión no tiene la necesidad de diseñar
ninguna solución, sino que simplemente se rige por la que se ha seguido anteriormente.
Las decisiones programadas se toman de acuerdo con políticas, procedimientos
o reglas escritas o no escritas, que facilitan la toma de decisiones en situaciones recurrentes
porque limitan o excluyen otras opciones.
Por ejemplo, los gerentes rara vez tienen que preocuparse por el ramo salarial de
un empleado recién contratado porque, por regla general, las organizaciones cuentan con una
escala de sueldos y salarios para todos los puestos. Existen procedimientos rutinarios para
tratar problemas rutinarios.
Las decisiones programadas se usan para abordar problemas recurrentes. Sean complejos o
simples. Si un problema es recurrente y si los elementos que lo componen se pueden
definir, pronosticar y analizar, entonces puede ser candidato para una decisión programada. Por
ejemplo, las decisiones en cuanto a la cantidad de un producto dado que se llevará
en inventario puede entrañar la búsqueda de muchos datos y pronósticos, pero un análisis
detenido de los elementos del problema puede producir una serie de decisiones rutinarias y
programadas. En el caso de Nike, comprar tiempo de publicidad en televisión es una decisión
programada.
En cierta medida, las decisiones programadas limitan nuestra libertad, porque la persona tiene
menos espacio para decidir qué hacer. No obstante, el propósito real de las decisiones
programadas es liberarnos. Las políticas, las reglas o los procedimientos que usamos para
tomar decisiones programadas nos ahorran tiempo, permitiéndonos con ello dedicar atención a
otras actividades más importantes. Por ejemplo, decidir cómo manejar las quejas de los clientes
en forma individual resultaría muy caro y requeriría mucho tiempo, mientras que una política que
dice “se dará un plazo de 14 días para los cambios de cualquier compra” simplifica mucho las
cosas. Así pues, el representante de servicios a clientes tendrá más tiempo para resolver
asuntos más espinosos.

DECISIONES NO PROGRAMADAS:
También denominadas no estructuradas, son decisiones que se toman ante problemas o
situaciones que se presentan con poca frecuencia, o aquellas que necesitan de un modelo o
proceso específico de solución, por ejemplo: “Lanzamiento de un nuevo producto al mercado”,
en este tipo de decisiones es necesario seguir un modelo de toma de decisión para generar una
solución específica para este problema en concreto.
Las decisiones no programadas abordan problemas poco frecuentes o excepcionales. Si un
problema no se ha presentado con la frecuencia suficiente como para que lo cubra una política o
si resulta tan importante que merece trato especial, deberá ser manejado como una decisión no
programada. Problemas como asignar los recursos de una organización, qué hacer con una
línea de producción que fracasó, cómo mejorar las relaciones con la comunidad –de hecho, los
problemas más importantes que enfrentará el gerente –, normalmente, requerirán decisiones no
programadas.

ETAPAS DEL PROCESO DE TOMA DE DECISIONES

La estructura del proceso de toma de decisiones es la siguiente:
Identificar y analizar el problema: Un problema es la diferencia entre los resultados reales y
los planeados, lo cual origina una disminución de rendimientos y productividad, impidiendo que
se logren los objetivos.
Investigación u obtención de información: Es la recopilación de toda la información necesaria
para la adecuada toma de decisión; sin dicha información, el área de riesgo aumenta, porque la
probabilidad de equivocarnos es mucho mayor.
Determinación de parámetros: Se establecen suposiciones relativas al futuro y presente tales
como: restricciones, efectos posibles, costos , variables, objetos por lograr, con el fin de definir
las bases cualitativas y cuantitativas en relación con las cuales es posible aplicar un método y
determinar diversas alternativas.
Construcción de una alternativa: La solución de problemas puede lograrse mediante varias
alternativas de solución; algunos autores consideran que este paso del proceso es la etapa de
formulación de hipótesis; porque una alternativa de solución no es científica si se basa en la
incertidumbre.
Aplicación técnicas para la alternativa de decisión: De acuerdo con la importancia y el tipo
de la decisión, la información y los recursos disponibles se eligen y aplican las técnicas, las
herramientas o los métodos, ya sea cualitativo o cuantitativo, mas adecuados para plantear
alternativas de decisión.
Especificación y evaluación de las alternativas: Se desarrolla varias opciones o alternativas
para resolver el problema, aplicando métodos ya sea cualitativos o cuantitativos. Evaluación
Cuantitativa: Una vez que se han identificado varias alternativas, se elige la optima con base en
criterios de elección, por ejemplo: de acuerdo con el costo beneficio que resulte de cada opción.
Los resultados de cada alternativa deben ser evaluados en relación con los resultados
esperados y los efectos. Evaluación Cualitativa: Una vez que se han identificado varias
alternativas se pasa por un proceso de elección. Por ejemplo: por medio de votos la opinión con
el mayor número de votos se convierte en la decisión del grupo, la regla del grupo es aceptar la
opinión que cuenta con el mayor número de votos. Sin embargo, la elección no es garantía de
que se tome la mejor decisión. Además, la elección impone la voluntad de la mayoría a la
minoría. Por ello, hay quien argumenta que la elección no es un proceso verdaderamente
democrático, sino una “dictadura de la mayoría”. Evaluación Combinada: Una forma de poder
juntar estos dos métodos puede ser por concenso, es la búsqueda de una decisión colectiva por
medio del debate de propuestas en conflicto o complementarias. La regla del grupo es aceptar la
decisión que surge de un debate. La discusión puede dar como resultado la elección de las
propuestas o la elaboración de una nueva propuesta (que pasarían por un proceso de análisis
cuantitativo), el componente fundamental del consenso es la regla de aceptar la decisión final y
trabajar para que funcione.
Implantación o aplicación de la decisión: Una vez que se ha elegido la alternativa optima, se
deberán planificarse todas las actividades para implantarla (aplicar la decisión) y efectuar un
seguimiento de los resultados, lo cual requiere elaborar un plan con todos los elementos
estudiados.
Las etapas presentadas anteriormente fueron tan solo las etapas del proceso de toma de
decisiones, desarrollar cada uno dependerá del tipo de problema que se quiera solucionar y del
tipo de técnica que deba aplicar para solucionarlo.
En la toma de Decisiones existen también Técnicas Cuantitativas y Cualitativas para la selección
de la mejor decisión:
Técnicas Cualitativas: Cuando se basan en criterio de la experiencia, y habilidades
Técnicas Cuantitativas: Cuando se utilizan métodos matemáticos, estadísticos, etc.

ALGORITMO DE JOHNS
El algoritmo de Johnson es una forma de encontrar el camino más corto entre todos los pares
de vértices de un grafo dirigido disperso. Permite que las aristas tengan pesos negativos, si bien
no permite ciclos de peso negativo. Funciona utilizando el algoritmo de Bellman-Ford para hacer
una transformación en el grafo inicial que elimina todas las aristas de peso negativo, permitiendo
por tanto usar el algoritmo de Dijkstra en el grafo transformado. Su nombre viene de Donald B.
Johnson, quien fuera el primero en publicar la técnica en 1977.

DESCRIPCIÓN DEL ALGORITMO

El algoritmo de Johnson consiste en los siguientes pasos:

1. Primero se añade un nuevo nodo q al grafo, conectado a cada uno de los nodos del
grafo por una arista de peso cero.
 2. En segundo lugar, se utiliza el algoritmo de Bellman-Ford, empezando por el nuevo
vértice q, para determinara para cada vértice v el peso mínimo h(v) del camino de q a v.
Si en este paso se detecta un ciclo negativo, el algoritmo concluye.
3. Seguidamente, a las aristas del grafo original se les cambia el peso usando los valores
calculados por el algoritmo de Bellman-Ford: una arista de u a v con tamaño w(u, v), da
el nuevo tamaño w(u, v) + h(u) – h(v)
4. Por último, para cada nodo s se usa el algoritmo de Dijkstra para determinar el camino
más corto entre s y los otros nodos, usando el grafo con pesos modificados.
En el grafo con pesos modificados, todos los caminos entre un par de nodos s y t tienen la
misma cantidad h(s) – h(t) añadida a cada uno de ellos, así que un camino que sea el más corto
en el grafo original también es el camino más corto en el grafo modificado y viceversa. Sin
embargo, debido al modo en el que los valores h(v) son computados, todos los pesos
modificados de las aristas son no negativos, asegurando entonces la optimalidad de los caminos
encontrados por el algoritmo de Dijkstra. Las distancias en el grafo original pueden ser
calculadas a partir de las distancias calculadas por el algoritmo de Dijkstra en el grafo
modificado invirtiendo la transformación realizada en el grafo.

ANÁLISIS DE LA COMPLEJIDAD
La complejidad temporal de este algoritmo, usando montículos de Fibonacci en la
implementación del algoritmo de Dijkstra, es de O(V2log V + VE): el algoritmo usa un tiempo de
O(VE) para la fase Bellman-Ford del algoritmo, y O(V log V + E) para cada una de
las V instancias realizadas del algoritmo de Dijkstra. Entonces, cuando el grafo es disperso el
tiempo total del algoritmo puede ser menor que el algoritmo de Floyd-Warshall, que resuelve el
mismo problema en un tiempo de O(V3).

EJEMPLO
Las etapas del algoritmo de Johnson están descritas en la siguiente
ilustración:

En la imagen de la izquierda tiene dos aristas negativas y no contiene ciclos negativos. En la

segunda imagen se muestra el nuevo vértice q con peso 0 hacia todos los nodos. En la tercera
imagen, se muestra el árbol de caminos mínimos calculado con el algoritmo de Bellman-Ford
con q como vértice inicial, y los valores h(v) calculados para cada otro nodo como la longitud del
camino más corto entre q y ese nodo. A modo de ilustración, en dicha imagen solo aparecen los
caminos que se tomarían para determinar cada valor h(v). Nótese que todos estos
valores h(v) no son positivos, porque q tiene una arista de unión con cada nodo de peso 0, y por
tanto el camino más corto no puede ser mayor que ese valor. En la parte derecha se muestra el
grafo modificado, hecho reemplazando el peso de cada arista w(u, v) por w(u, v) + h(u) – h(v).
En este grafo modificado, todos los pesos de las aristas son positivos y el camino más corto
entre dos nodos cualesquiera usa la misma secuencia de aristas que en el camino más corto
entre los mismos dos nodos en el grafo original. El algoritmo concluye aplicando el algoritmo de
Dijkstra para cada uno de los cuatro nodos originales en el grafo modificado (cuarta imagen).
IMPLEMENTACIÓN
La estructura de datos para almacenar el grafo consiste en una representación de cada vértice
como una lista de las aristas que parten del mismo. Estas aristas constan de un origen, un
destino y un peso. El conjunto de vértices se representa como un array de vértices y un índice
que nos indica el último vértice empleado del array.
La implementación del algoritmo devuelve una matriz de elementos precedentes y otra de
distancias, mediante la primera se puede seguir el camino de menor coste desde un nodo dado
a cualquier otro nodo del grafo, y si paralelamente vamos sumando las distancias de la otra
matriz, obtenemos los costes totales de dichos caminos mínimos.

PSEUDOCÓDIGO

Tipos
Arista = REGISTRO
o : NATURAL
d : NATURAL
peso : INT
sig : NATURAL
FIN
LAristas = PUNTERO A Arista
TGrafo = ARRAY [1..N] DE LAristas
THv = ARRAY [1..N] DE ENTERO
TVector = ARRAY [1..N] DE ENTERO
TMatriz = ARRAY [1..N] DE TVector
//suponemos ig>1
PROC Johnson (↓grafo: TGrafo; ↓ig: NATURAL; ↑ distancias: TMatriz ;
↑ previos: TMatriz)
VARIABLES
i : NATURAL
p : LAristas
min_caminos : THv
aux_dist, aux_prev : TVector
INICIO
grafo[ig] ← nueva_arista(ig,1,0,NULO)
inc(ig)
p ← grafo[ig]
PARA i ← 2 HASTA ig-2 HACER
p^.sig ← nueva_arista(ig,i,0,NULO)
p ← p^.sig
FIN
BellmanFord(grafo,ig, min_caminos)
PARA i ← 1 HASTA ig-1 HACER
p ← grafo[i]
MIENTRAS (p != NULO) HACER
p^.peso ← p^.peso + min_caminos[p^.o] -
min_caminos[p^.d]
 p ← p^.sig
FIN
FIN
PARA i ← 1 HASTA ig-2 HACER
Dijkstra(grafo,i, aux_dist,aux_prev) // devuelve los
caminos mínimos desde el último nodo
// a todos los demás
previos[i] ← aux_prev;
CalcularDistancias(grafo, previos, aux_dist,distancias); //
este algoritmo realiza la transformación inversa a la
//
que habíamos hecho antes sobre los pesos, para obtener
//
las distancias reales
FIN
FIN

CÓDIGO EN C++

#include <cstdlib>
using namespace std;

struct Arista{
unsigned o;
unsigned d;
int peso;
LAristas sig;
};
typedef LAristas Arista*;

typedef TGrafo LArista[N];

typedef TVector int[N];

typedef TMatriz TVector[N];

//suponemos ig>1
void johnson(const TGrafo &grafo, int ig, TMatriz &distancias, TMatriz
&previos){
Arista* p;
TVector min_caminos;
TVector aux_dist;
TVector aux_prev;
 grafo[ig] = nueva_arista(ig,1,0,NULL);
ig++;

p = grafo[ig];
for(unsigned i=2; i<=ig-2; i++){
p->sig = nueva_arista(ig,i,0,NULL);
p = p->sig;
}

BellmanFord(grafo,ig, min_caminos);

for(unsigned i=1; i<=ig-1; i++){

p = grafo[i];
while(p != NULL){
p->peso = p->peso + min_caminos[p->o] - min_caminos[p->d];
p = p->sig;
}
}

for(unsigned i=1; i<=ig-2; i++){

Dijkstra(grafo,i-1, aux_dist,aux_prev) // devuelve los caminos
mínimos desde el último nodo
// a todos los demás.
previos[i-1] = aux_prev;
CalcularDistancias(grafo, previos, aux_dist,distancias); //
este algoritmo realiza la transformación inversa a la
// que
habíamos hecho antes sobre los pesos, para obtener
// las
distancias reales
}
}

La implementación más adecuada del algoritmo de Dijkstra sería mediante montículos, ya que
es capaz de dar los mejores resultados para que el mismo algoritmo de Johnson sea más
eficiente.
REFERENCIAS

 Artículos de Donald B. Johnson (Publicaciones de ACM)

 Johnson, Donald B. (1977), "Efficient algorithms for shortest paths in sparse networks",
Journal of the ACM
 Perfil de Donald B. Johnson en el portal de ACM