Investigacion de Operaciones 1
Investigacion de Operaciones 1
Investigacion de Operaciones 1
Asignatura:
INVESTIGACION OPERATIVA
DATOS INFORMATIVOS
Docente: Ing. Galo Parrales
Clases: lunes: 7:30 A 9:30, jueves: 7:30 A 9:30
Noviembre-marzo 2018
UNIVERSIDAD ESTATAL DEL SUR DE MANABÍ
FACULTAD DE: CIENCIAS ECONÓMICAS
MODALIDAD PRESENCIAL
Asignatura:
INVESTIGACION OPERATIVA
PROPOSITO
Una peculiaridad de la mayoría de las técnicas de IO es que por lo general las soluciones
no se obtienen en formas cerradas (como si fueran fórmulas), sino que más bien se
determinan mediante algoritmos. Un algoritmo proporciona reglas fijas de cálculo que se
aplican en forma repetitiva al problema, y cada repetición (llamada iteración) acerca la
solución a lo óptimo. Como los cálculos asociados con cada iteración suelen ser tediosos
y voluminosos, es recomendable que estos algoritmos se ejecuten con la computadora.
Algunos modelos matemáticos pueden ser tan complejos que es imposible resolverlas 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 meta-heurística, o bien reglas empíricas
Algunos modelos matemáticos pueden ser tan complicados que es imposible resolverlos
con cualesquiera de los algoritmos disponibles de optimización. En esos casos se podrá
necesitar abandonar la búsqueda de la solución óptima para sólo buscar una solución
buena usando heurísticas o reglas simples.
En realidad son más que sólo matemáticas, pero debido a la naturaleza matemática, hay
una tendencia a pensar que un estudio de investigación de operaciones siempre tiene en
su raíz al análisis matemático. No debe recurrir de inmediato a los modelos matemáticos,
sino hasta después de haber investigado métodos más sencillos. En algunos casos se podrá
encontrar una solución “de sentido común” mediante observaciones sencillas.
que implican la disputa entre dos o más participantes y en los que cada agente dispone de
diversas opciones de actuación según las limitaciones de las reglas del juego. El número
de estrategias es, por tanto, finito. Definidas las estrategias de cada jugador, se pueden
Cuando los participantes hayan escogido sus respectivos cursos de acción, el resultado
del juego acusará las pérdidas o ganancias. Esta teoría es aplicable al análisis de la
3. Teoría de los grafos: Se deriva de las técnicas de planeación y programación por redes,
plazo más corto y a menor coste, así como la distribución óptima de los recursos
4. Programación lineal: Se preocupa por alcanzar una posición óptima con relación a un
objetivo determinado (aumentar beneficios, disminuir costes), etc. Para ello, las variables
deben ser cuantificables y a la vez debe existir relación lineal entre ellas. Es aplicable a
situaciones complejas que presenten innumerables variables como, por ejemplo, el
estudio del mejor y más económico trayecto para una flota de reparto en un área
determinada.
información resulta difícil de obtener, como puede ser el control de calidad en producción,
pues intenta sacar el máximo provecho a los datos disponibles. El análisis estadístico se
interrelacionadas, en donde se debe adoptar una decisión adecuada para cada una sin
perder de vista el objetivo último. Muy útil cuando surgen dudas sobre si comprar, vender
La investigación de operaciones es una ciencia y un arte. Es una ciencia por las técnicas
matemáticas que presenta, y es un arte porque el éxito de todas las fases que anteceden y
siguen a la resolución del modelo matemático depende mucho de la creatividad y la
experiencia del equipo de investigación de operaciones. Hay que tener algo más que la
competencia analítica, por ejemplo, el juicio (cuándo y cómo usar determinada técnica)
y la destreza técnica en comunicaciones y en supervivencia organizacional.
En esta fase del proceso se necesita: una descripción de los objetivos del sistema, es decir,
qué se desea optimizar; identificar las variables implicadas, ya sean controlables o no;
determinar las restricciones del sistema. También hay que tener en cuenta las alternativas
representar el sistema. Debe ser un modelo tal que relacione a las variables de decisión
con los parámetros y restricciones del sistema. Los parámetros (o cantidades conocidas)
se pueden obtener ya sea a partir de datos pasados o ser estimados por medio de algún
Una vez que se tiene el modelo, se procede a derivar una solución matemática empleando
Debemos tener en cuenta que las soluciones que se obtienen en este punto del proceso,
son matemáticas y debemos interpretarlas en el mundo real. Además, para la solución del
modelo a cambios en las especificaciones y parámetros del sistema. Esto se hace, debido
a que los parámetros no necesariamente son precisos y las restricciones pueden estar
equivocadas.
Validación del modelo.
con certeza el comportamiento del sistema. Un método común para probar la validez del
reproduce las situaciones pasadas del sistema. Pero como no hay seguridad de que el
entonces siempre debemos estar atentos de cambios posibles del sistema con el tiempo,
Implementación de resultados.
Una vez que hayamos obtenido la solución o soluciones del modelo, el siguiente y último
paso del proceso es interpretar esos resultados y dar conclusiones y cursos de acción para