Top 10 de secretos para triunfar de manera ptima

El departamento de defensa coordina las actividades de millones de personas

usando trillones de dlares en activos. Las decisiones basadas en los soportes
de computacin son universales y permiten enlazarse con mtodos de
planificacin manual.
A travs del siguiente resumen se revelan 10 de los secretos del xito en las
aplicaciones de la optimizacin en el mundo real.

#1: Documento (piensa) antes de computar.

Tenemos un asombroso nmero de oportunidades para desenvolver problemas
con los modelos de optimizacin que son implementados, pero que an no han
sido documentados.
La documentacin debe incluir estos 3 componentes crticos:
- 1.1 Un resumen ejecutivo no matemtico
Debe contestar las siguientes preguntas:
Cul es el problema? Por qu el problema es importante? Cmo ser
resuelto sin tu ayuda? Qu ests haciendo para resolverlo? Cmo sabremos
que tuviste xito?
El resumen debes expresarlo en el lenguaje que utilice tu patrocinador en vez
de utilizar una jerga muy tcnica. Si tienes problemas para escribirlo en menos
de 5 pginas es un signo claro de que no ests listo para proceder.

Ten un lector no analista para que lea tu resumen ejecutivo en voz alta
Dile al lector que te explique el resumen, escchalo, revsalo y repite el
procedimiento.

- 1.2 Formulaciones matemticas

Deben incluir, en este orden, lo siguiente:
Usar un ndice (definir dimensin de los problemas), datos entregados,
variables de decisin y unidades respectivas, objetivos (restricciones) y, quizs,
una formulacin dual.
Recordar definir los trminos antes de usarlos. Para distinguir entradas de
saludas, adopte una convencin como minsculas para ndices y datos, y
MAYSCULAS para VARIABLES DE DECISIN.
- 1.3 Descripciones verbales de las formulaciones
Explicar las variables de decisin, los objetivos y las restricciones aadidas al
modelo matemtico en un lenguaje claro. Evita utilizar una traduccin literal
desde el lenguaje matemtico al castellano. Justifica cada suposicin hecha
que simplifique el modelo.
#2: Limitar todas las decisiones
Los lmites restringen el dominio de cada decisin. No existen las variables sin

lmites en nuestro mundo analista o real. Establecer lmites para cada variable
de decisin es un concepto trivial, ignorado con frecuencia. Y aunque cualquier
solucionador de optimizaciones razonables puede hacer estoy
automticamente, el solucionador no te dir si el anlisis est hecho en base a
informacin errada o faltante en el modelo.
La enumeracin de modelos con variables enteras puede ser mucho ms fcil
si los lmites de esas variables son lo ms ajustados posible. Esto vale la pena
trabajarlo antes de empezar a tratar de resolver modelos grandes. Limitar las
variables de decisin pagan beneficios inesperados.
#3 Espera que cada restriccin se transforme en objetivo y viceversa
Los modelos de planteamiento militar son conocidos por tener mltiples
objetivos conflictivos. Aprender acerca de los objetivos jerrquicos y la forma
de obligar al software de optimizacin a seguir la jerarqua. Por ejemplo, es
posible que el maximizar el objetivo de mayor prioridad, y luego aadiendo una
restriccin, mantenga el desempeo de todas las soluciones siguientes. Repetir
con cada objetivo de baja prioridad hasta que las restricciones sucesivas se
hayan ocupado de la jerarqua completa. Con un lenguaje algebraico de
modelacin, se pueden automatizar todas como un solo modelo de excursin.
Descubrir que se pueden realizar cambios en tu concepto de lo que se debera
hacer. Esto lleva a aspirar a restricciones, donde determinas, por ejemplo,
cunto de algo puedes maximizar en un asilamiento, y luego escribir la
restriccin.
#4 Clsico programa de anlisis de sensibilidad es absurdo
Aplicaciones ciegas de valores duales y otros libros de trucos, ofrecen pocos
consejos tiles de cmo la solucin responde al cambio de los Inputs
entradas.
Incluso para esos pocos modelos que son lineales, los textos de sensibilidad
son rara vez tiles. La mayora de los modelos de lenguaje matemtico y
solucionadores no soportan tal anlisis.
En nuestro mundo, es mucho ms importante buscar, escenario robusto,
soluciones ms que preocuparse por cambios de parmetros individuales.
Siempre busca la gua actual de planeamiento defensivo.
#5 Limita tus variables dobles
Una restriccin de un programa lineal convencional tiene una variable doble
que es ilimitada y puede ser interpretada Esto es lo mucho que valdra relajar
la restriccin en una unidad.
Un programa de restricciones elsticas lineales usa una penalidad lineal por
unidad de violacin.
Otras sorpresas aparecen con restricciones elsticas: la programacin lineal de

enteros es mucho ms fcil para lidiar, cuando sabes a priori que cualquier
candidato entero es admisible.
#6 Presta atencin a las dobles
Considera este ejemplo de un modelo simple de flujo mximo. Tienes un nodo
origen, un nodo destino y una red directa por la cual deseas pujar el mximo
flujo desde el origen al destino. Escribe este programa lineal y resulvelo.
Ahora, recupera la doble solucin. Observa estos valores dobles, y toma en
cuenta que cada arco de reduccin mnima se distingue por dos valores. Si
quieres atacar el flujo mximo y puedes cortar estos arcos, entonces lo has
resuelto.

#7 Modelo Robusto
Asegrate de que el modelo considere escenarios futuros alternos, y que
represente una solucin robusta.
#8 Persistencia del modelo
La optimizacin se ha ganado su reputacin por amplificar cambios pequeos
en entradas a cambios impresionantes en el asesoramiento.
Los compromisos de apoyo a las decisiones suelen requerir muchas
excursiones en el modelo, seguidas por un anlisis, luego por revisiones y ms
pruebas del modelo. Luego de haber realizado todo eso, lo ltimo que
queremos es una revisin que cambie todo.
Es fcil agregar caractersticas del modelo que limitan las revisiones
innecesarias. Para ellos es necesario un legado de soluciones como entrada y
luego aadir caractersticas al modelo. Estas caractersticas persistentes
pueden incluir:
- No cambie el consumo del legado de recursos ms de un 2%.
- Entre el legado de la solucin y cualquier posible revisin, aade (elimina o
cambia) no ms de 3 de las opciones binarias de la serie.
- No cambies eso, a menos que cambies esto otro tambin y as.
#9 Hojas de clculo, fcil, adictivas y limitantes.
Bueno, necesitamos respuestas rpidas y el apoyo de la base de datos para el
desarrollo de un modelo, y soluciones catalogadas, necesitamos una interfaz
grfica de usuario que permita realizar anlisis ad-hoc y que pueda mostrar
grficos.
Las hojas de clculo con la optimizacin de resolver cualquier incrustado estn

invitando. Despus de todo, incluso los ejecutivos les gusta abrir y admirar las
hojas de clculo, por eso tiene aceptacin inmediata. Teniendo una solucin en
la hoja de clculo significa que inmediatamente puedes catalogar y mostrarla
con todas las herramientas que se usan hoy en da. El gran problema es que
slo soportan vistas bidimensionales.
Los lenguajes de modelado se hacen a mano para dar cabida a los modelos
multidimensionales
#10 Heurstica puede ser peligroso
La heurstica no requiere software de optimizacin y puede ofrecer una primera
opcin para evaluar una solucin con sentido comn, pero no debe ser la nica
opcin. Tambin podemos desarrollar lmites en la mejor solucin posible,
aunque esto no es divertido como la construccin de un mtodo de bsqueda
de soluciones. Sin un lmite como este, nuestro consejo es de calidad
desconocida. Esta certificacin de calidad es importante: Un lmite en la mejor
posible solucin es tan importante como la mejor solucin que tienes.
Un modelo de optimizacin matemtica tarda ms que una heurstica para el
desarrollo, y tal vez de resolver, pero puede proporcionar un lmite. De hecho,
desarrollamos modelos de flexibilizacin de problemas muy difciles slo para
obtener los lmites que proporcionan.