Você está na página 1de 18

UNIVERSIDAD POLITCNICA

ESTATAL DEL CARCHI


ESCUELA DE ADMINISTRACIN
DE EMPRESAS Y MARKETING
INVESTIGACIN DE OPERACIONES
ING. LUIS VIVIEROS
MAPA CONCEPTUAL:
CONCEPTOS BASICOS DE INVESTIGACION DE
OPERACIONES
ALUMNO
JOSE B. ORDOEZ
SEXTO
NIVEL A

2015-2016

QU
QU ES
ES LA
LA
INVESTIGACIN
INVESTIGACIN
DE
DE OPERACIONES
OPERACIONES

CAPTULO 1
INTRODUCCIN
INTRODUCCIN
Se presenta la terminologa bsica de la IO,
que
que comprende
comprende el
el modelado
modelado matemtico,
matemtico,
soluciones
y clculos
soluciones factibles,
factibles, optimizacin
optimizacin y
clculos
iterativos.
iterativos.

1.
Cules son
de decisin?
1. Cules
son las
las alternativas
alternativas de
decisin?
2. Conforme a qu restricciones se toma la
decisin?
decisin?
3.
el criterio
apropiado para
3. Cul
Cul es
es el
criterio objetivo
objetivo apropiado
para
evaluar
evaluar las
las alternativas?
alternativas?

MODELOS
MODELOS DE
DE COLAS
COLAS Y
Y SIMULACIN
SIMULACIN
Las
y la
estudian las
Las colas
colas y
la simulacin
simulacin estudian
las lneas
lneas de
de
espera.
son tcnicas
espera. No
No son
tcnicas de
de optimiza
optimiza cin;
cin; ms
ms
bien
determinan medidas
de desempeo
desempeo de
bien determinan
medidas de
de las
las
lneas
de espera,
espera, como
como tiempo
tiempo de
de espera
espera
lneas de
promedio
en la
promedio en
la cola,
cola,

Tiempo
espera promedio
para el
Tiempo de
de espera
promedio para
el servicio,
servicio, y
y
el uso de las instalaciones de servicio.
Los
de colas
colas utilizan
Los modelos
modelos de
utilizan modelos
modelos
probabilsticos y estocsticos para analizar
lneas
de espera,
espera, y
simulacin estima
lneas de
y la
la simulacin
estima las
las
medidas
al imitar
medidas de
de desempeo
desempeo al
imitar el
el
comportamiento
del sistema
real.
comportamiento del
sistema real.

EL
ARTE DEL
DEL MODELADO
MODELADO
EL ARTE
Son representaciones exactas de situaciones
reales. Esto es raro en la IO, ya que la mayora
de las aplicaciones suelen implicar diversos
grados
grados de
de aproximacin.
aproximacin.
El modelo expresa de una manera razonable
las
funciones matemticas
matemticas que
que representan
representan el
las funciones
el
comportamiento
del mundo
mundo real
comportamiento del
real supuesto.
supuesto.

Cmo
puede un
un modelo
modelo representar
Cmo puede
representar esta
esta
situacin?
situacin?
Al
examinar todo
todo el
el sistema
sistema se
se ve
Al examinar
ve que
que algunas
algunas
variables
variables pueden
pueden incidir
incidir directamente
directamente en
en el
el
nivel
la siguiente
nivel de
de produccin,
produccin, incluida
incluida la
siguiente lista
lista
(parcial)
por departamentos.
departamentos.
(parcial) clasificada
clasificada por

1.
1. Departamento
Departamento de
de produccin:
produccin: Capacidad
Capacidad de
de
produccin
expresada en
en funcin
de las
las horas
horas
produccin expresada
funcin de
de
y mquina
de mano
mano de
de obra
obra y
mquina disponibles,
disponibles,
inventario en proceso y normas de control de
calidad.
2. Departamento de materiales: Existencias
disponibles de materias primas, programas de
entrega
entrega de
de proveedores
proveedores externos
externos y
y
limitaciones
de almacenamiento.
almacenamiento.
limitaciones de
3. Departamento
Departamento de
Pronstico de
de
3.
de ventas:
ventas: Pronstico
ventas,
ventas, capacidad
capacidad de
de las
las instalaciones
instalaciones de
de
distribucin,
eficacia de
distribucin, eficacia
de las
las campaas
campaas
publicitarias
efecto de
de la
publicitarias y
y el
el efecto
la competencia.
competencia.

FASES
FASES DE
DE UN
UN ESTUDIO
ESTUDIO DE
DE IO
IO
Los
de investigacin
de operaciones
Los estudios
estudios de
investigacin de
operaciones se
se
basan
en la
la labor
donde los
de
basan en
labor de
de equipo,
equipo, donde
los analistas
analistas de
IO
y el
cliente trabajan
trabajan codo
codo con
Los
IO y
el cliente
con codo.
codo. Los
conocimientos
de modelado
conocimientos de
modelado de
de los
los analistas
analistas de
de IO
IO se
se
deben
deben complementar
complementar con
con la
la experiencia
experiencia y
y
cooperacin
del cliente
para quien
realizan el
cooperacin del
cliente para
quien realizan
el
estudio.
estudio.

Para
en la
Para implementar
implementar la
la IO
IO en
la prctica,
prctica, las
las fases
fases
principales
principales son:
son:
1.
problema.
1. Definicin
Definicin del
del problema.
2.
Construccin
del
2. Construccin del modelo.
modelo.
3.
3. Solucin
Solucin del
del modelo.
modelo.
4.
4. Validacin
Validacin del
del modelo.
modelo.
5.
de la
la solucin.
solucin.
5. Implementacin
Implementacin de

CAPTULO 2

MODELADO
MODELADO CON
CON
PROGRAMACIN
PROGRAMACIN
LINEAL
LINEAL

MODELO
CON DOS
MODELO DE
DE PL
PL CON
DOS VARIABLES
VARIABLES
En
esta
seccin
analizaremos
En esta seccin analizaremos la
la solucin
solucin
grfica
de una
grfica de
una programacin
programacin lineal
lineal (PL)
(PL)
con dos variables. El tratamiento
proporciona fundamentos concretos para
el
desarrollo del
el desarrollo
del algoritmo
algoritmo simplex
simplex general
general

Todos
de IO,
IO, incluido
de PL,
Todos los
los modelos
modelos de
incluido el
el de
PL,
constan de tres componentes bsicos.
1.
Las variables
variables de
1. Las
de decisin
decisin que
que
pretendemos determinar.
2.
(la meta)
2. El
El objetivo
objetivo (la
meta) que
que necesitamos
necesitamos
optimizar (maximizar o minimizar).
3.
la solucin
3. Las
Las restricciones
restricciones que
que la
solucin debe
debe
satisfacer.

SOLUCIN GRFICA DE LA PL
La
solucin
La solucin grfica
grfica incluye
incluye dos
dos pasos:
pasos:
1. Determinar
Determinar el
el espacio
1.
espacio de
de soluciones
soluciones
factibles.
factibles.
2.
Determinar
la
2. Determinar la solucin
solucin ptima
ptima de
de entre
entre
todos
los puntos
puntos localizados
localizados en
en el
todos los
el espacio
espacio
de soluciones.
soluciones.
de

Solucin
de un
un modelo
modelo de
Solucin de
de maximizacin
maximizacin
Momento de TORA.

El mdulo
de PL
grfico TORA
por
El
mdulo de
PL grfico
TORA controlado
controlado por
men
reforzar su
men es
es til
til para
para reforzar
su comprensin
comprensin
de
cmo se
se grafican
grafican las
las restricciones
restricciones de
PL.
de cmo
de PL.
Paso
1. Determinacin
espacio de
Paso 1.
Determinacin del
del espacio
de soluciones
soluciones
factibles
factibles
Paso
la solucin
solucin ptima:
Paso 2.
2. Determinacin
Determinacin de
de la
ptima:

Solucin
Solucin de
de un
un modelo
modelo de
de minimizacin
minimizacin
Solucin de PL con AMPL
Esta seccin
seccin proporciona
proporciona una
Esta
una breve
breve
introduccin a AMPL. El material en el
apndice
apndice C
C

Problema
Reddy Mikks.
Problema de
de Reddy
Mikks. Modelo
Modelo
rudimentario.
AMPL cuenta
rudimentario. AMPL
cuenta con
con
herramientas para modelar una PL en un
formato manuscrito
manuscrito rudimentario.
formato
rudimentario.
Problema de Reddy Mikks. Modelo
algebraico.
archivo debe
algebraico. El
El archivo
debe ser
ser
estrictamente texto (ASCII).

APLICACIONES
PROGRAMACIN LINEAL
APLICACIONES DE
DE PROGRAMACIN
LINEAL
La
definicin de
de las
las variables
variables y
y la
La definicin
la construccin
construccin
de
la funcin
de la
funcin objetivo,
objetivo, as
as como
como las
las
restricciones,
son tan
restricciones, no
no son
tan directas
directas como
como en
en el
el
caso
caso del
del modelo
modelo de
de dos
dos variables.
variables.
Las
cubiertas por
Las reas
reas cubiertas
por estas
estas aplicaciones
aplicaciones
incluyen
lo siguiente:
siguiente:
incluyen lo

1.
Inversin.
1. Inversin.
2. Planificacin
Planificacin de
de la
la produccin
produccin y
y control
control de
de
2.
inventarios.
inventarios.
3.
Planificacin de
de la
la mano
mano de
obra.
3. Planificacin
de obra.
4.
Planificacin de
desarrollo urbano.
urbano.
4. Planificacin
de desarrollo
5. Refinacin
Refinacin y
y mezcla
5.
mezcla de
de petrleo..
petrleo..

CAPTULO 3

M
M T
TO
OD
DO
OS
SIM
IM P
PLEX
LEX
Y A N LIS IS D E
S EN S IB ILID A D

MODELO
MODELO DE
DE PL
PL EN
EN FORMA
FORMA DE
DE ECUACIN
ECUACIN
El
desarrollo
de
los
clculos
con
El desarrollo de los clculos con el
el mtodo
mtodo
simplex
se facilita
simplex se
facilita si
si se
se imponen
imponen dos
dos
requerimientos
a las
requerimientos a
las restricciones
restricciones de
de
programacin lineal.

MTODO SIMPLEX
el
el mtodo
mtodo simplex
simplex investiga
investiga slo
slo algunas
algunas
de
de estas
estas soluciones.
soluciones. describe
describe la
la naturaleza
naturaleza
iterativa
mtodo, y
y la
la seccin.
seccin.
iterativa del
del mtodo,

1. T
odas las restricciones son ecuaciones con lado
Todas
derecho no negativo.
2.
Todas
las
variabzzles son
son no
no negativas
negativas
2. Todas las variabzzles

Condicin de optimalidad. La variable de


entrada
en un
maximizacin
entrada en
un problema
problema de
de maximizacin
(minimizacin)
bsica con
el
(minimizacin) es
es la
la variable
variable no
no bsica
con el
coeficiente
Los
coeficiente ms
ms negativo
negativo (positivo)
(positivo) en
en la
la fila
fila z.
z. Los
vnculos
se rompen
vnculos se
rompen arbitrariamente.
arbitrariamente.
Condicin
en problemas
problemas
Condicin de
de factibilidad.
factibilidad. Tanto
Tanto en
de
de maximizacin
maximizacin como
como de
de minimizacin,
minimizacin, la
la
variable de salida es la variable bsica asociada
con
mnima no
con la
la relacin
relacin mnima
no negativa
negativa con
con el
el
denominador
denominador estrictamente
estrictamente positivo.
positivo.

Operaciones
de filas
de Gauss-Jordan
Operaciones de
filas de
Gauss-Jordan
a.
Reemplace
la
variable
de
a. Reemplace la variable de entrada
entrada en
en la
la
columna
la variable
columna Bsica
Bsica con
con la
variable de
de entrada.
entrada.
b.
fila pivote
pivote 5
Fila pivote
pivote actual
actual 4
b. Nueva
Nueva fila
5 Fila
4
Elemento
Elemento pivote
pivote

Mtodo de dos fases


En
el
mtodo
el uso
uso de
de la
la penalizacin,
penalizacin, M,
En el mtodo M,
M, el
M,
puede conducir a un error de redondeo.
El mtodo de dos fases elimina el uso de la
constante
constante M.
M.

CASOS
CASOS ESPECIALES
ESPECIALES EN
EN EL
EL MTODO
MTODO
SIMPLEX
Esta
Esta seccin
seccin considera
considera cuatro
cuatro casos
casos
especiales que surgen al aplicar el mtodo
simplex.

Resumen
mtodo de
dos fases
fases
Resumen del
del mtodo
de dos
Fase
I.
Ponga
el
problema
en
forma
de
Fase I. Ponga el problema en forma de ecuacin
ecuacin
y
artificiales necesarias
y agregue
agregue las
las variables
variables artificiales
necesarias a
a
las
las restricciones
restricciones (exactamente
(exactamente como
como en
en el
el
mtodo
mtodo M),
M),
Fase
II. Use
de la
fase II como
Fase II.
Use la
la solucin
solucin factible
factible de
la fase
como
una
una solucin
solucin factible
factible bsica
bsica inicial
inicial para
para el
el
problema original.
1.
1. Degeneracin
Degeneracin
2. ptimos alternativos
3. Soluciones no acotadas
4.
Soluciones
existentes (o
4. Soluciones no
no existentes
(o no
no factibles)
factibles)

MTODO SIMPLEX Y
ANLISIS DE
SENSIBILIDAD

Degeneracin
Al aplicar la condicin de factibilidad del mtodo
simplex, se puede presentar un empate por la relacin
mnima, el cual puede romperse arbitrariamente.

ptimos alternativos
Un problema de PL puede tener una cantidad infinita
de ptimos alternativos cuando la funcin objetivo es
paralela a una restriccin obligatoria no redundante
(es decir, una restriccin que se satisface como una
ecuacin en la solucin ptima).

Solucin no acotada
En algunos modelos de programacin lineal, el
espacio de soluciones es no acotado en por lo menos
una variable, es decir que las variables pueden
incrementarse de forma indefinida sin violar ninguna
de las restricciones.

Solucin no factible
Los modelos PL con restricciones inconsistentes no
tienen una solucin factible. Esta situacin no ocurre
si todas las restricciones son del tipo # con lados
derechos no negativos porque las holguras
proporcionan una solucin factible obvia.
Anlisis de sensibilidad algebraica. Funcin
objetivo
Utilizamos el anlisis de sensibilidad grfica para
determinar las condiciones que mantendrn la
optimalidad de la solucin de una PL de dos
variables.

Anlisis de sensibilidad grfica


1. La sensibilidad de la solucin ptima a los cambios
de la disponibilidad de los recursos (lado derecho de
las restricciones).
2. La sensibilidad de la solucin ptima a los cambios
en la utilidad unitaria o el costo unitario (coeficientes
de la funcin objetivo).

Definicin de costo reducido.


Primero tenemos que definir los costos reducidos
Esta relacin define el llamado costo reducido y se
formaliza en la literatura de PL.

Determinacin de los intervalos de optimalidad.


La determinacin de las condiciones que mantendrn
una ptima solucin.
El desarrollo se basa en la definicin de costo
reducido.

TEMAS
TEMAS DE
DE CLCULO
CLCULO EN
EN
LA
LA PROGRAMACIN
PROGRAMACIN
LINEAL
LINEAL

.
Regla
de la
la variable
entrada
Regla (pivote)
(pivote) de
variable de
de entrada
simplex.
simplex.
Una
determina las
Una nueva
nueva iteracin
iteracin simplex
simplex determina
las variables
variables
de entrada y de salida mediante criterios de
optimalidad
optimalidad y
y factibilidad.
factibilidad.

la
de la
mejora mxima
mxima
la regla
regla de
la mejora
requiere una
requiere
una considerable
considerable cantidad
cantidad de
de clculos
clculos
adicionales
adicionales para
para determinar
determinar primero
primero el
el valor
valor con
con el
el
cual una variable no bsica entra en la solucin y
luego
la mejora
luego la
mejora total
total resultante
resultante del
del valor
valor objetivo.
objetivo.

Algoritmo
simplex dual
Algoritmo primal
primal vs.
vs. simplex
dual

algoritmo
primal, la
la solucin
solucin bsica
bsica inicial
es
algoritmo primal,
inicial es
factible,
pero
no
ptima.
Las
iteraciones
sucesivas
factible, pero no ptima. Las iteraciones sucesivas
permanecen
permanecen factibles
factibles a
a medida
medida que
que avanzan
avanzan hacia
hacia
el
el ptimo.
ptimo.
Simplex
se inicia
como no
factible pero
Simplex dual,
dual, que
que se
inicia como
no factible
pero
ptimo
que se
ptimo y
y que
se dirige
dirige hacia
hacia la
la factibilidad,
factibilidad, al
al
tiempo
tiempo que
que mantiene
mantiene la
la optimalidad.La
optimalidad.La iteracin
iteracin
final
se restaura
final ocurre
ocurre cuando
cuando se
restaura la
la factibilidad.
factibilidad.

Simplex
tabla simplex.
Simplex revisado
revisado vs.
vs. tabla
simplex.
El resultado
resultado es
es que
que las
tablas no
no son
son
El
las tablas
numricamente
estables por
tres razones:
numricamente estables
por tres
razones:

a.
mayora de
de los
modelos de
a. La
La mayora
los modelos
de PL
PL son
son sumamente
sumamente
dispersos.
dispersos.
b.
error de
y la
la prdida
b. El
El error
de redondeo
redondeo y
prdida de
de dgitos,
dgitos,
inherentes
las computadoras.
inherentes en
en todas
todas las
computadoras.
c.
c. Las
Las operaciones
operaciones de
de filas
filas simplex
simplex realizan
realizan ms
ms
clculos
que los
requieren para
clculos que
los que
que se
se requieren
para generar
generar la
la
tabla.
tabla.

Algoritmo
vs.
Algoritmo de
de barrera
barrera (punto
(punto interior)
interior) vs.
algoritmo
simplex.
algoritmo simplex.
El
algoritmo de
de punto
punto interior
interior es
es totalmente
El algoritmo
totalmente
diferente
del algoritmo
algoritmo simplex
simplex en
que cruza
diferente del
en que
cruza el
el
espacio
factible
y
poco
a
poco
se
mueve
espacio factible y poco a poco se mueve (en
(en el
el
lmite)
hacia el
el ptimo.
El algoritmo
algoritmo simplex
simplex es
lmite) hacia
ptimo. El
es
exponencial
el tamao
tamao del
del problema.
exponencial en
en el
problema.

CAPTULO 4

D U A L ID A D Y
A N L IS IS
P O S T P T IM
O

1DEFINICIN DEL PROBLEMA DUAL


El problema dual se define
sistemticamente a partir del modelo
de PL primal (u original). Los dos
problemas estn estrechamente
relacionados en el sentido de que la
solucin ptima de uno proporciona
automticamente la solucin ptima al
otro.

Clculos con la tabla simplex


Generar cualquier iteracin de la tabla
simplex a partir de los datos originales
del problema, la inversa asociada con la
iteracin, y el problema dual.
INTERPRETACIN ECONMICA DE
LA DUALIDAD
El problema de PL puede considerarse
como un modelo de asignacin de
recursos que busca maximizar los
ingresos con recursos limitados.

Algoritmo simplex dual

El
mtodo simplex
con una
una
El mtodo
simplex dual
dual se
se inicia
inicia con
solucin mejor que ptima y una solucin
bsica
no factible.
factible. Las
Las condiciones
condiciones de
bsica no
de
optimalidad y factibilidad estn diseadas
para
preservar
la
optimalidad
de
las
para preservar la optimalidad de las
soluciones bsicas a medida que la solucin
se
se mueve
mueve hacia
hacia la
la factibilidad.
factibilidad.

RELACIONES PRIMAL-DUAL
Los cambios realizados en los datos de
un modelo de PL pueden afectar la
optimalidad y/o factibilidad de la
solucin ptima actual
Clculos con la tabla simplex
Generar cualquier
Generar
cualquier iteracin
iteracin de
de la
la tabla
tabla
simplex
a partir de los datos originales del problema,
la
con la
la inversa
inversa asociada
asociada con
la iteracin,
iteracin, y
y el
el
problema dual.
Tipos: 1.
1. Columnas
Columnas de
Tipos:
de restriccin
restriccin (lados
(lados
izquierdo y derecho). 2. Fila z objetivo

Tipos:
1. Columnas de restriccin (lados
izquierdo y derecho).
2. Fila z objetivo.

A N L IS IS P O S T P T IM O

Condicin dual de factibilidad. La variable de salida, x , es la


variable bsica que tiene el valor ms negativo (los empates se
rompen de forma arbitraria). Si todas las variables bsicas son no
negativas, el algoritmo se termina.

Condicin dual de optimalidad. Dado que xrr1es la variable de


salida, sea el costo reducido de la variable no bsica xj,y a rj el
coeficiente de restriccin en la fila xy en la columna xj.

Algoritmo simplex generalizado


El simplex dual se inicia mejor que ptimo y no factible. Y qu pasa
si un modelo de programacin lineal se inicia no ptimo y no factible
al mismo tiempo? Desde luego, podemos utilizar variables y
restricciones artificiales para asegurar una solucin inicial.

Adicin de una nueva restriccin. Agregar una nueva restriccin


nunca puede mejorar el valor objetivo ptimo actual.

M O D EELO
LO D E
R E D ES

CAPTULO 6

ALCANCE Y DEFINICIN DE MODELOS


DE REDES
Muchas situaciones de investigacin de
operaciones pueden modelarse y
resolverse como redes (nodos
conectados por ramas).La solucin de
estas situaciones se logra por medio de
varios algoritmos de optimizacin de
redes.

1. rbol de mnima expansin (situacin


1)
2. Algoritmo de la ruta ms corta
(situacin 2)
3. Algoritmo de flujo mximo (situacin
3)
4. Algoritmo de la ruta crtica (CPM)
(situacin 4)

DEFINICIONES
DEFINICIONES DE
DE RED.
RED.

Una red se compone de un conjunto de


nodos unidos por arcos (o ramas). La
notacin para describir una red es (N, A),
donde N es el conjunto de nodos, y A es
el conjunto de arcos.
ALGORITMO
ALGORITMO DEL
DEL RBOL
RBOL DE
DE MNIMA
MNIMA
EXPANSIN
Este rbol
rbol vincula
vincula los
los nodos
red
Este
nodos de
de una
una red
valindose
valindose de
de la
la longitud
longitud mnima
mnima total
total de
de las
las
ramas de conexin

ALGORITMOS

Algoritmos de
de la
la ruta
ruta ms
corta
Algoritmos
ms corta
Esta
Esta seccin
seccin presenta
presenta dos
dos algoritmos
algoritmos para
para resolver
resolver
tanto
tanto redes
redes cclicas
cclicas (es
(es decir,
decir, que
que contienen
contienen bucles)
bucles)
como
redes a
cclicas:
como redes
a cclicas:
1.
1. El
El algoritmo
algoritmo de
de Dijkstra
Dijkstra para
para determinar
determinar las
las rutas
rutas
ms
cortas entre
ms cortas
entre el
el nodo
nodo origen
origen y
y los
los dems
dems nodos
nodos
en
la
red.
en la red.
2.
de Floyd
2. El
El algoritmo
algoritmo de
Floyd para
para determinar
determinar la
la ruta
ruta
ms
corta entre
la red.
ms corta
entre dos
dos nodos
nodos cualesquiera
cualesquiera en
en la
red.

Algoritmo
de Floyd.
Floyd. Este
algoritmo es
Algoritmo de
Este algoritmo
es ms
ms
general
Dijkstra porque
general que
que el
el Dijkstra
porque determina
determina la
la
distancia
distancia entre
entre dos
dos nodos
nodos cualesquiera
cualesquiera en
en la
la red.
red.

Algoritmo de
de flujo
flujo mximo
mximo
Algoritmo
Este
Este algoritmo
algoritmo se
se basa
basa en
en el
el hallazgo
hallazgo de
de rutas
rutas de
de
avance
positivo entre
avance con
con flujo
flujo positivo
entre los
los nodos
nodos fuente
fuente y
y
sumidero.
Cada
ruta
destina
una
parte
de
o
todas
sumidero. Cada ruta destina una parte de o todas
las
las capacidades
capacidades de
de sus
sus arcos
arcos al
al flujo
flujo total
total en
en la
la red.
red.

FUNDAMENTOS
FUNDAMENTOS
DEL
DEL MTODO
MTODO
SIMPLEX
SIMPLEX

CPM Y PERT
son mtodos basados en redes diseados para
ayudar a planificar, programar y controlar
proyectos.
proyectos.

Redes PERT Estimaciones:


1. Tiempo optimista, a, el cual ocurre cuando la
ejecucin transcurre extremadamente bien.
2. Tiempo ms probable, m, el cual ocurre
cuando la ejecucin se realiza en condiciones
normales.
3. Tiempo pesimista, b, el cual ocurre cuando la
ejecucin transcurre extremada mente deficiente.

FUNDAMENTOS DEL MTODO SIMPLEX


En la programacin lineal, el espacio de soluciones
factibles forma un conjunto convexo si el
segmento de lnea que une dos puntos factibles
distintos tambin queda en el conjunto.

Un punto extremo del conjunto convexo es un


punto factible que no puede quedar sobre un
segmento de lnea que une dos puntos factibles
distintos en el conjunto.

ALGORITMO DE VARIABLES ACOTADAS


En modelos
modelos de
tener cotas
En
de PL,
PL, las
las variables
variables pueden
pueden tener
cotas
superiores e inferiores explcitas

Solucin dual ptima


Esta seccin establece relaciones entre los
problemas primales y duales y muestra cmo puede
determinarse la solucin dual ptima a partir de la
solucin primal ptima.

PROGRAMACIN LINEAL PARAMTRICA


La programacin lineal paramtrica es una
extensin del anlisis postptimo, Investiga el
efecto de las variaciones continuas
predeterminadas en los coeficientes de la
funcin objetivo y el lado derecho de las
restricciones en la solucin ptima.

Sea B la base primal ptima actual, y defina a C


como los coeficientes de la funcin objetivo
asociados con el vector ptimo X.
No acotamiento y no factibilidad. Si el valor
objetivo de uno de los dos problemas no est
acotado,
entonces el
el otro
otro problema
no
acotado, entonces
problema debe
debe ser
ser no
factible. Si no lo est, entonces ambos problemas
tienen soluciones factibles, y la relacin z # w debe
mantenerse;
mantenerse;

CAPTULO 8

ALGORITMOS DE PROGRAMACIN DE METAS

P
PR
RO
OG
GR
RA
AM
M
A
AC
CI
IN
N
D
DE
EM
M
E
ET
TA
AS
S

EN EL MTODO DE PESOS,,

Esta seccin presenta dos algoritmos para


resolver la programacin de metas. Ambos
mtodos se basan en la representacin de
mltiples metas por una sola funcin objetivo.

la funcin objetivo nica es la suma


ponderada de las funciones que representan
las metas del problema.

EL MTODO PREVENTIVO

inicia priorizando las metas por orden de


importancia. Luego, el modelo optimiza las
metas de una en una en el orden de
prioridad de modo que no degrade una
solucin de ms alta prioridad.

MTODO PREVENTIVO

En este tipo de mtodo, el tomador de


decisiones clasifica las metas del problema
en orden de importancia

CAPTULO 9
Presupuesto
Presupuesto de
de capital
capital
La
toma
de
decisiones
de
emprender
La toma de decisiones de emprender o
o no
no un
un
proyecto
proyecto suele
suele hacerse
hacerse conforme
conforme a
a consideraciones
consideraciones
y
y prioridades
prioridades preestablecidas
preestablecidas de
de presupuesto
presupuesto
limitado

PROGRAMACIN
PROGRAMACIN
LINEAL
LINEAL ENTERA
ENTERA

Problema de cobertura de conjunto


El
El objetivo
objetivo es
es determinar
determinar la
la cantidad
cantidad mnima
mnima de
de
plantas
que cubren
decir, que
que satisfacen
plantas que
cubren (es
(es decir,
satisfacen las
las
necesidades
necesidades de
de servicio
servicio de)
de) cada
cada instalacin.
instalacin.

Problema
cargo fijo
Problema de
de cargo
fijo
El
problema
de
cargo
fijo
El problema de cargo fijo tiene
tiene que
que ver
ver con
con
situaciones
situaciones en
en que
que la
la actividad
actividad econmica
econmica incurre
incurre
en
en dos
dos tipos
tipos de
de costos:
costos: un
un costo
costo fijo
fijo necesario
necesario para
para
iniciar
y un
iniciar la
la actividad
actividad y
un costo
costo variable
variable proporcional
proporcional
al
al nivel
nivel de
de la
la actividad.
actividad.

Paso
1. Desahogue
Paso 1.
Desahogue el
el espacio
espacio de
de soluciones
soluciones del
del PLE
PLE
al
eliminar la
al eliminar
la restriccin
restriccin entera
entera en
en todas
todas las
las
variables
y reemplazar
variables enteras
enteras y
reemplazar cualquier
cualquier variable
variable
binaria
el intervalo
binaria y
y con
con el
intervalo continuo
continuo 0
0#
#y
y#
# 1.
1.
El
El resultado
resultado del
del desahogo
desahogo es
es una
una programacin
programacin
lineal.
lineal.

ALGORITMOS
PROGRAMACIN ENTERA
ALGORITMOS DE
DE PROGRAMACIN
ENTERA
Los algoritmos
Los
algoritmos de
de PLE
PLE se
se basan
basan en
en la
la explotacin
explotacin del
del
tremendo
computacional de
tremendo xito
xito computacional
de la
la PL.
PL.
La
algoritmos implica
La estrategia
estrategia de
de estos
estos algoritmos
implica tres
tres pasos.
pasos.

Paso 2. Resuelva la PL, e identifique su


ptimo continuo.

Algoritmo de ramificacin y
acotamiento
Los clculos del algoritmo aditivo eran tan
simples (principalmente sumas y restas)
que en un inicio fue aclamado como un
posible gran avance en la solucin de la
PLE.

Paso 3. Comenzando desde el punto


ptimo continuo, agregue restricciones
especiales que modifiquen iterativamente
el espacio de soluciones de PL de modo
que finalmente d un punto extremo
ptimo que satisfaga los requerimientos
enteros.

Programacin
Program acin
heurstica

CAPTULO 10

HEURSTICA CODICIOSA (BSQUEDA LOCAL)


Defina el problema de optimizacin con espacio
de soluciones S como El proceso iterativo de una
heurstica codiciosa se inicia en un punto factible
(aleatorio) y luego intenta moverse a un punto
de mejor solucin en las inmediaciones
(vecindad) del punto de solucin actual.

METAHEURSTICA
En la iteracin k la bsqueda se mueve a un
nuevo punto X k11 H N(X ) slo si el nuevo
punto mejora el valor de la funcin objetivo F(X).

Algoritmo gentico
El algoritmo gentico (AG) imita el proceso de
evolucin biolgica de sobrevivencia del ms
apto. Cada solucin factible de un problema se
considera como un cromosoma codificado por
un conjunto de genes.

CAPTULO 12

Programacin
dinmica
dinm ica
determinstica

Ecuacin recursiva. Esta seccin muestra


cmo pueden expresarse matemticamente los
clculos recursivos Sea f i (x) la distancia ms
corta al nodo xi en la etapa i, y defina d(xi21, xii)
como la distancia del nodo x

Modelo de inversin
Esto significa que slo pueden invertirse bono y
dinero nuevo fresco en cualquiera de los bancos.
Sin embargo, una vez que se deposita una
inversin, debe permanecer en el banco hasta el
final del ao n.

Modelos de inventario
La PD tiene importantes aplicaciones en el rea
de control de inventarios.

CAPTULO 13

Modelos
Modelos de
de
inventario
inventario
determinsticos
determinsticos

1. El costo de compra es el precio por unidad


de un artculo de inventario. En ocasiones, el
artculo se ofrece con un descuento si el
tamao del pedido excede una cantidad
determinada, lo cual es un factor al momento
de tomar la decisin de cunto pedir.
2. El costo de preparacin representa el cargo
fijo en que se incurre cuando se coloca un
pedido (no importa su tamao).

3. El costo de retencin (almacenamiento)


representa el costo de mantener las
existencias de algo.
4. El costo por escasez (faltante) es la
penalizacin en que se incurre cuando se
agotan las existencias.

MODELOS DINMICOS DE CANTIDAD DE


PEDIDO ECONMICA (EOQ)
aspectos:

1. El nivel del inventario se revisa


peridicamente a lo largo de un nmero
finito de periodos iguales.
2. La demanda por periodo, aun cuando es
determinstica, es dinmica, en cuanto vara
de un periodo al siguiente.

Modelo de EOQ sin costo de preparacin


Este modelo implica un horizonte de
planeacin de n periodos iguales. Cada periodo
tiene una capacidad de produccin limitada
con uno o ms niveles de produccin (por
ejemplo, el tiempo regular y el tiempo extra
representan dos niveles de produccin).

Modelo de EOQ con costo de preparacin


En esta situacin no se permiten faltantes, y se
incurre en un costo de preparacin cada vez
que se inicia un nuevo lote de produccin.

Algoritmo de programacin dinmica


general. Sin faltantes, el modelo de
inventario se basa en minimizar la suma de
los costos de produccin y retencin en los n
periodos.

CAPTULO 16

M o d e lo s d e
in v e n t a r io
p r o b a b ils t ic o s

Modelo
EOQ probabilstico
probabilstico
Modelo EOQ
La
base
para
el
desarrollo
del
modelo
La base para el desarrollo del modelo EOQ
EOQ probabilizado
probabilizado es
es
plausible,
plausible, pero
pero no
no hay
hay razn
razn alguna
alguna para
para creer
creer que
que el
el modelo
modelo produce
produce
una poltica de inventario ptima. El hecho de que la informacin
pertinente en relacin con la naturaleza probabilstica de la demanda se
ignore en un principio, slo para ser revivida de una manera
totalmente independiente en una etapa posterior de los clculos, basta
para
refutar la
optimalidad
para refutar
la optimalidad

MODELOS DE UN SOLO PERIODO


Esta seccin se ocupa de artculos de inventario que estn en
existencia durante un solo periodo de tiempo.
Al final del periodo se desechan las unidades sobrantes, si las
hay, como en el cado de artculos de moda. Se desarrollarn dos
modelos.
La idea entonces es mantener existencias de seguridad
constantes que eviten la probabilidad de faltantes.
Por intuicin, una probabilidad de pocos faltantes implica
mayores existencias de reserva, y viceversa.
Modelo sin preparacin (Modelo Newsvendor)
Tiene que
ver con
con el
almacenamiento y
Tiene
que ver
el almacenamiento
y venta
venta de
de peridicos.
peridicos.
Suposiciones: 1.
1. La
La demanda
demanda ocurre
ocurre al
instante en
Suposiciones:
al instante
en el
el inicio
inicio del
del periodo
periodo
inmediatamente
inmediatamente despus
despus de
de que
que se
se recibe
recibe el
el pedido.
pedido.
2. No se incurre en ningn costo de preparacin.

Modelo con preparacin (Poltica s-S)


En que se incurre en un costo de preparacin K.
Utilizando la misma notacin,
MODELO DE VARIOS PERIODOS
Esta seccin presenta un modelo de varios periodos
en el supuesto de que no haya costo de preparacin.

CAPTULO 18

SISTEMAS
SISTEMAS DE
DE
COLAS
COLAS

El estudio de las colas tiene que ver con la


cuantificacin del fenmeno de esperar
por medio de medidas de desempeo
representativas, tales como longitud
promedio de la cola, tiempo de espera
promedio en la cola, y el uso promedio de
la instalacin.
Modelo basado en costos. Los resultados
del anlisis de colas puede incorporarse a un
modelo de optimizacin de costos que busca
minimizar la suma del costo de ofrecer el
servicio y la espera por parte de los clientes.

Modelos de un solo servidor


El primer modelo no limita el nmero
mximo en el sistema, y el segundo supone
un lmite finito
del sistema.

PAPEL
DISTRIBUCIN EXPONENCIAL
PAPEL DE
DE LA
LA DISTRIBUCIN
EXPONENCIAL

En la mayora de las situaciones de colas, las


llegadas ocurren al azar.
Aleatoriedad significa que la ocurrencia de
un evento (por ejemplo la llegada de un
cliente o la terminacin de un servicio) es
independiente del tiempo transcurrido desde
la ocurrencia del ltimo evento.

Modelos de varios servidores


Esta seccin considera tres modelos
de colas con varios servidores
paralelos.

CAPTULO 21

A L G O R IT M O S D E
P R O G R A M A C I N N O
L IN E A L

ALGORITMOS NO RESTRINGIDOS
Esta seccin presenta dos tipos de algoritmos para el
problema no restringido: de bsqueda directa y del gradiente.

Mtodo de bsqueda directa


Los mtodos de bsqueda directa se aplican sobre todo
a funciones de una sola variable estrictamente
unimodales.

Mtodo de combinaciones lineales


El procedimiento se basa en el mtodo del ascenso ms
pronunciado (gradiente) Sin embargo, la direccin
especificada por el vector gradiente puede no dar una
solucin factible para el problema restringido.

Algoritmo SUMT
En esta seccin se presenta un mtodo de gradiente
ms general. Se supone que la funcin objetivo f(X)
es cncava y cada funcin de restriccin g (X) es
convexa.

Você também pode gostar