Você está na página 1de 8

Diferentes tipos de modelos matemticos

Modelo matemtico
En trminos sencillos es un grupo de ecuaciones o inecuaciones
que representan una realidad. El ingrediente principal en un modelo
matemtico, como es de esperarse, es la variable. Las variables, son la
representacin de los diferentes posibilidades de un conjunto de datos; y
estos datos en su origen pueden ser de tipo determinsticos o
estocsticos.

Programacin lineal
Un modelo de programacin lineal es un conjunto de expresiones
matemticas las cuales deben cumplir la caracterstica de linealidad que
puede cumplirse siempre y cuando las variables utilizadas sean de
primer grado. Adems un modelo de P.L debe tener las propiedades de:

Proporcionalidad
Aditividad (adicin)
Divisibilidad
Certidumbre(certeza)

Lo que se busca con la aplicacin de la programacin lineal es


resolver problemas comunes y a la vez muy variados de la empresa en
donde en general se tienen necesidades por satisfacer con cierto
nmero de recursos limitados o escasos y con el objetivo de lograrlo en
forma ptima. Esto significa la bsqueda de un valor mximo cuando

se trata de beneficios; o bien la bsqueda de un mnimo cuando se trata


de esfuerzos a desarrollar.
Una de las grandes ventaja de utilizar este tipo de modelos es que
mediante un algoritmo de resolucin se puede obtener la decisin ms
ptima o incluso la mejor aunque haya miles de variables y relaciones
entre ellas.
Modelo de redes
Los problemas de redes surgen en una gran variedad de
situaciones. Las redes de transporte, elctricas y de comunicaciones
predominan en la vida diaria. La representacin de redes se utiliza
ampliamente en reas tan diversas como produccin, distribucin,
planeacin de proyectos, localizacin de instalaciones, administracin
de recursos y planeacin financiera, para nombrar slo unos ejemplos.
De hecho, una representacin de redes proporciona un panorama
general tan poderoso y una ayuda conceptual para visualizar las
relaciones entre los componentes del sistema, que se usa casi en todas
las reas cientficas, sociales y econmicas.
Los modelos de redes tienen tres ventajas importantes con
respecto a la programacin lineal.
1) Pueden resolverse muy rpidamente. Problemas que con
programacin lineal tendran 1000 filas y 30.000 columnas pueden ser
resueltos en segundos. Esto permite que los modelos de redes sean
usados en muchas aplicaciones (tal como la toma de decisin en tiempo
real) para lo cual la programacin lineal no es lo ideal.
2) Requieren en forma natural de soluciones enteras. Al reconocer que
un problema puede formularse como algn modelo de red nos permitir
resolver tipos especiales de problemas de programacin entera
aumentando la eficiencia y reduciendo el tiempo consumido por los
algoritmos clsicos de programacin lineal.
3) Son intuitivos. Los modelos de redes proveen un lenguaje para tratar
los problemas, mucho ms intuitivo que "variables, objetivo,
restricciones".
Obviamente los modelos de redes no son capaces de cubrir la
amplia

gama

de

problemas

que

puede resolver la programacin

lineal. Sin embargo, ellos ocurren con suficiente frecuencia como para

ser considerados como una herramienta importante para una real toma
de decisiones.
Programacin dinmica
La programacin dinmica encuentra la solucin ptima de un
problema con n variables descomponindolos en n etapas, siendo cada
etapa un subproblema de una sola variable, sin embargo, como la
naturaleza de la etapa difiere de acuerdo con el problema de
optimizacin, la programacin dinmica no proporciona los detalles de
computo para optimizar cada etapa.
Es un mtodo til para los casos en los que una solucin ptima se
divide en sub-soluciones optimales (propiedad utilizada por ejemplo para
buscar los caminos ms cortos en los grficos) y de caminos ms cortos
con restricciones (algoritmos utilizados en los mtodos de generacin de
columnas para resolver sub-problemas asociados en componentes
como LP-ShiftPlanner)

NATURALEZA RECURSIVA DE LOS CLCULOS EN PROGRAMACIN


DINMICA
Los clculos de programacin dinmica se hacen en forma recursiva, ya
que la solucin ptima de un problema se usa como dato para el
siguiente subproblema. Para cuando se resuelve el ltimo problema
queda en la mano la solucin optima de todo el problema.
Programacin no lineal
Generalidades sobre la programacin no lineal
Muchas aplicaciones industriales de optimizacin implican una
modelizacin que se aproxima ms a la fsica. En optimizacin del
diseo por ejemplo, se optimizan meta-modelos o espacios de
respuesta que provienen de un modelo estadstico, que no son
lineales. As mismo, la optimizacin topolgica o la optimizacin de
forma recurren a modelos no lineales y adems de tamao
muy grande,
como
en
este
ejemplo.

Formalmente, un programa matemtico no lineal se enuncia:


Min f(x)
gj(x) <=0 j = 1,,m
x vector de nmeros reales que representan las variables de decisin

La programacin no lineal analiza la problemtica general en


la que el objetivo f(x) o las restricciones g j(x) (o los dos) son
funciones no lineales.
La mayora de los mtodos de programacin no lineales utilizan el
concepto
de gradiente de
las
funciones
f(x)
y
gj(x)
para calcular direcciones de descenso, es decir de mejora de la
funcin
objetivo.
Cuando las funciones son convexas (caso por ejemplo de la
programacin lineal continua), los algoritmos de descensos
convergen hacia un ptimo global. En general, estos algoritmos y
los softwarecorrespondientes convergen solamente hacia un ptimo
local. Siempre que sea posible, es importante ejecutar estos
algoritmos a partir de varias soluciones iniciales diferentes con el fin
de seleccionar la mejor solucin entre todas las encontradas.
Una problemtica no lineal con restricciones puede convertirse en un
problema sin restricciones con la ayuda del multiplicador de
Lagrange: este mtodo consiste en efecto en introducir en la funcin
objetivo variables de holgura y un coste que aumenta cuando
disminuye la desviacin (es decir, restriccin saturada).
Modelos de simulacin
La simulacin es una tcnica que imita la operacin de un sistema del
mundo real a medida que evoluciona con el tiempo. Esto se hace
normalmente desarrollando un modelo de simulacin, el cual toma la
forma de un conjunto de suposiciones acerca de la operacin del
sistema. A diferencia de las soluciones matemticas exactas disponibles
con la mayor parte de los modelos analticos, el proceso de simulacin
tiene que ver con ejecutar el modelo a travs del tiempo, por lo comn
en una computadora, para generar muestras representativas de las
medidas de desempeo. Por ejemplo, para obtener la mejor estimacin
de la media medida de desempeo, se promedian los resultados
mustrales. La exactitud del modelo depender las condiciones iniciales,
la longitud del tiempo y mientras ms puntos mustrales se obtengan,
mejor ser la estimacin final.

Una vez construido el modelo, se puede usar una y otra vez para
analizar diferentes polticas, parmetros o diseos. Por ejemplo, si una
empresa comercial tiene un modelo de simulacin de su sistema de
inventario, se puede probar varias polticas de inventario en el modelo
en vez de experimentar en el sistema real.
Caractersticas de un modelo de simulacin
1. Que sea completo
2. Adaptabilidad
3. Credibilidad
4. Simplicidad (menor nmero de parmetros)
5. Factible tanto en Informacin como en recursos
6. Econmico
(EL COSTO MXIMO DEL MODELO DEBE SER EL MNIMO
BENEFICIO QUE SE OBTIENE)

Teora de juegos
Es una herramienta matemtica que analiza las interrelaciones entre dos
o ms individuos, buscando un modelo de actuacin ptimo.

Arboles de decisiones
Un rbol de decisin es un modelo de prediccin utilizado en el
mbito de la inteligencia artificial. Dada una base de datos se
construyen diagramas de construcciones lgicas, muy similares a los
sistemas de prediccin basados en reglas, que sirven para representar y
categorizar una serie de condiciones que ocurren de forma sucesiva,
para la resolucin de un problema.
De forma ms concreta, refirindonos al mbito
empresarial, podemos decir que los rboles de decisin son
diagramas de decisiones secuenciales nos muestran sus
posibles resultados. stos ayudan a las empresas a determinar
cuales son sus opciones al mostrarles las distintas decisiones y
sus resultados. La opcin que evita una prdida o produce un
beneficio extra tiene un valor. La habilidad de crear un opcin,
por lo tanto, tiene un valor que puede ser comprado o vendido.

Un rbol de decisin tiene unas entradas las cuales pueden ser un


objeto o una situacin descrita por medio de un conjunto de atributos y
a partir de esto devuelve una respuesta la cual en ltimas es una
decisin que es tomada a partir de las entradas. Los valores que pueden
tomar las entradas y las salidas pueden ser
valores discretos o continuos. Se utilizan ms los valores discretos por
simplicidad, cuando se utilizan valores discretos en las funciones de una
aplicacin se denomina clasificacin y cuando se utilizan los continuos
se denomina regresin.
Un rbol de decisin lleva a cabo un test a medida que este se
recorre hacia las hojas para alcanzar as una decisin. El rbol de

decisin suele contener nodos internos, nodos de probabilidad, nodos


hojas y arcos. Un nodo interno contiene un test sobre algn valor de una
de las propiedades. Un nodo de probabilidad indica que debe ocurrir un
evento aleatorio de acuerdo a la naturaleza del problema, este tipo de
nodos es redondo, los dems son cuadrados. Un nodo hoja representa el
valor que devolver el rbol de decisin y finalmente las ramas brindan
los posibles caminos que se tienen de acuerdo a la decisin tomada.
En el diseo de aplicaciones informticas, un rbol de decisin
indica las acciones a realizar en funcin del valor de una o varias
variables. Es una representacin en forma de rbol cuyas ramas se
bifurcan en funcin de los valores tomados por las variables y que
terminan en una accin concreta. Se suele utilizar cuando el nmero de
condiciones no es muy grande (en tal caso, es mejor utilizar una tabla de
decisin).

Você também pode gostar