Академический Документы
Профессиональный Документы
Культура Документы
Fases de un estudio de IO
Referencias
LECCIÓN 1 de 4
No resulta fácil encontrar el modelo que más se adapte a una determinada situación. En primer lugar, se exploran
métodos sencillos que pueden llevar a una solución de “sentido común” para el problema planteado.
Además, es importante tener en cuenta al comportamiento humano para que la solución no falle.
es la programación lineal. Está diseñada para modelos con funciones objetivo y restric
Esta técnica es exitosa, pero ¡CUIDADO!, no debe aplicarse a cualquier situación. La tendencia a utilizarla puede
conducirnos a un modelo matemático del todo alejado de la situación real. Por lo tanto, es imperativo que se analicen
primero otras técnicas.
A continuación, haremos un breve resumen de las técnicas más utilizadas para resolver problemas de IO:
5 Programación no lineal: las relaciones entre las variables del problema son no
lineales.
Algoritmos
La mayor parte de las técnicas de la IO producen soluciones que se obtienen mediante algoritmos. En otras palabras, no
se obtienen mediante fórmulas cerradas.
Algunos modelos matemáticos pueden ser tan complejos que es imposible resolverlos con cualquiera de los
algoritmos de optimización disponibles. En esos casos quizá sea necesario abandonar la búsqueda de la solución
óptima y simplemente buscar una buena solución aplicando la heurística, y la metaheurística, o bien reglas
empíricas. (Taha, 2012, p. 5).
En resumen:
Pueden utilizarse tres procesos o métodos de solución para llegar a soluciones óptimas o casi óptimas para los
problemas de IO.
Algoritmos: son reglas fijas de cálculo que se aplican en forma ordenada e iterativa.
Simulación: “simula” la conducta del problema para un conjunto definido de condiciones de entrada. Se
utiliza cuando el problema no puede resolverse en forma analítica (matemática). Se analiza la
conducta del modelo para determinar el mejor curso de acción.
Métodos heurísticos: son procedimientos de búsqueda que intentan pasar de un punto de solución a
otro para mejorar el objetivo del modelo con cada movimiento sucesivo. Estos métodos dan una
solución aproximada aceptable. Pueden, también, obtenerse una o más soluciones aproximadas. Se
utilizan cuando el planteamiento matemático de un problema es complejo y una solución analítica no
es viable, o cuando la simulación no es práctica debido al tiempo excesivo de procesamiento.
LECCIÓN 2 de 4
Recordemos que:
En la próxima idea central de este módulo se estudiarán los problemas de programación lineal; sin embargo,
podemos avanzar en algunos conceptos con respecto a los tipos de soluciones que tenemos en el modelo de PL
(programación lineal).
¿Cuándo una solución es factible? Cuando satisface todas las restricciones; ¿Cuándo una
solución es óptima? Si, además de ser factible, produce el mejor valor (máximo o mínimo) de la
función objetivo.
Fases de un estudio de IO
Referencias
Davis, K., y McKeown, P. (1995). Introducción a los Modelos y a la Ciencia de la Administración. En Autores,
Modelos Cuantitativos para Administración (pp. 2-22). México: Grupo Editorial Iberoamérica.
Taha, H. A. (2012). ¿Qué es la investigación de operaciones? En Autor, Investigación de operaciones (pp. 1- 11).
México: Pearson Educación.