historia métodos cuantittativos

INVESTIGACIÓN DE OPERACIONES I
HISTORIA DE LOS MÉTODOS CUANTITATIVOS
El inicio formal de la Investigación Operativa tuvo lugar en Inglaterra a finales de 1939.
La finalidad era conseguir la máxima eficiencia posible. Así en Agosto de 1940 el Físico
P.M.S Balckett de la Universidad de Manchester fue responsabilizado de formar un grupo
de trabajo para estudiar el sistema de defensa antiáerea gobernado por radar.
Uno de los primeros esfuerzos de este grupo fue dirigido al estudio del ataque áereo a los
submarinos. Pero aunque el razonamiento era válido, los resultados obtenidos con esta
política eran muy limitados.
En definitiva la profundidad de treinta metros era adecuada cuando el submarino divisaba
con antelación al bombardero pero la falta de precisión impedía obtener resultados.
Se llegó a la conclusión de que la alternativa más adecuada era optar por causar daños
cuando el submarino estuviera en la superficie. Los aspectos que caracterizan a los
estudios de Investigación Operativa:
1.-Toma Directa de Datos.
2. Empleo de Modelos matemáticos
3. Obtención de las políticas óptimas
4. Modificación de dichas políticas de acuerdo con factores reales no considerados en el
modelo.
En Estados Unidos, los fondos para la investigación en el campo militar se
incrementaron, por lo que la mayoría de los grupos se consolidaron aumentando su
número y tamaño.
En cambio en Gran Bretaña los componentes de los grupos se habían desarrollado en el
medio militar pasaron a la sociedad civil.
Otro aspecto importante en este contexto es que el desarrollo de la Organización
Industrial tradicional en Gran Bretaña había sido más limitado y con la excepción del
Estudio del Trabajo era todavía una novedad en los círculos industriales. A mediados de
la década de los cincuenta, la investigación operativa se encontraba afianzada en el
mundo industrial.
La I.O. utiliza resultados de muchas áreas científicas, aunque su base fundamental se
encuentra en la matemática, la economía y el cálculo de probabilidades y estadística.
Los primeros estudios que se etiquetaron como de Investigación Operativa, el aspecto
técnico más característico consistió en la estructuración estadística de los datos y el
empleo de modelos descriptivos de tipo probabilístico.
Los fundamentos matemáticos de los modelos líneales discretos se encuentran en la teoría
de las desigualdades lineales desarrolladas en el siglo pasado. En el resto de los años
cincuenta, la Programación Líneal quedó completamente establecida con los trabajos de
UNIVERSIDAD NACIONAL DE CHIMBORAZO Dr. Marlon
Villa Villa MsC

Charnes sobre la degeneración de Lemke sobre la dualidad, de Dantzing, Orden y Wolfe
sobre la forma compacta y la descomposición de grandes programas.
Sin embargo la Programación Lineal Entera no recibe atención hasta finales de esta
década en que Gomory obtiene la expresión general.
A pesar de las esperanzas que el procedimiento general sigue siendo un campo con
métodos limitados e insatisfactorios
En los modelos no Lineales los resultados fundamentales proceden del desarrollo del
cálculo matemático en el siglo XVIII, siendo el concepto básico el del Langrangiano.
La Programación no Lineal progresó durante los años sesenta y setenta, pudiendo
atacarse la resolución de problemas de tamaño medio con varias decenas de restricciones
y algunos cientos de variables.
La Programación Dinámica su inicio y desarrollo básico se debe a Richard Bellman al
principio de los cincuenta. Esta metodología no se limita a la Investigación Operativa
sino que es también de gran importancia en la Teoría del Control Optimo. Muchos
autores aún consideran a la Programación Dinámica como un punto de vista conceptual y
un bagaje teórico para el análisis de problemas; y no como un método.
La Teoría de Colas se inicia con el trabajo del ingeniero Dánes A.K. Erlang en la
industria telefónica de principios de Siglo. Los modelos más usuales en que tanto la
distribución de llegadas al sistema como la del tiempo de servicio son conocidas y
pertenecen a categorías bien establecidas. Debe resaltarse la existencia de multitud de
lenguajes de simulación a disposición de los usuarios de computadoras de las empresas
de mayor importancia en el sector.
La Teoría de Juegos se inicia con los primeros resultados de von Neumann sobre el
teorema del mínimax en 1926.
En cualquier caso, la influencia de esta teoría sobre la organización de la producción ha
sido muy limitada.
La Teoría de la Decisión se basa en la estadística Bayesiana y la estimación subjetiva de
las probabilidades de los sucesos. En la actualidad se la considera un instrumento válido
para la estructuración de la toma de decisiones con incertidumbre cuando la información
no es completa.
Desde su origen la Investigación Operativa se encuentra encarada con problemas para los
que no existe método analítico alguno que permita obtener, con seguridad y en un tiempo
conveniente, el óptimo teórico.
La Investigación de Operaciones ha establecido por tales razones métodos denominados
heurísticos, incapaces de proporcionar el óptimo formal, pero susceptibles de llegar a
Villa Villa MsC

soluciones buenas, tanto más fiables en cuanto que permiten determinar al mismo tiempo
un cuota (superior o inferior) del óptimo teórico con el que se comparan.
La gran difusión que ha sufrido el software de optimización debido al incremento en la
potencia de cálculo de los ordenadores y abaratamiento del costo de las aplicaciones y el
hardware.
Durante los últimos años han aparecido una serie de métodos. Entre ellos se puede
enumerar los algoritmos genéticos, el reconocido simulado, la búsqueda tabú y las redes
neuronales.
Los algoritmos genéticos fueron introducidos por Holland para imitar algunos de los
mecanismos que se observan en la evolución de las especies. Holland creó un algoritmo
que genera nuevas soluciones a partir de la unión de soluciones progenitoras, utilizando
operadores similares a los de la reproducción, sin necesidad de conocer el tipo de
problema a resolver.
Los algoritmos de reconocido simulado no buscan la mejor solución en el entorno de la
situación actual sino que generan aleatoriamente una solución cercana y la aceptan como
la mejor si tiene menor costo, caso contrario con una cierta probabilidad; esta
probabilidad de aceptación irá disminuyendo con el número de iteraciones y está
relacionada con el empeoramiento del costo.
El algoritmo de búsqueda Tabú a diferencia de otros algoritmos basados en técnicas
aleatorias de búsqueda de soluciones cercanas se utiliza una estrategia basada e el uso de
estructuras de memoria para escapara de los óptimos locales en los que se puede caer al
moverse de una solución a otra por el espacio de soluciones. Al contrario que sucede con
la búsqueda local, se permiten movimientos a soluciones del entorno aunque se produzca
un empeoramiento de la función objetivo.
Las Redes Neuronales son modelos analógicos que tienen como objetivo reproducir en la
medida de lo posible las características y la capacidad de procesamiento de información
del conjunto de neuronas presentes en el cerebro de los seres vivos.
En resumen, podría decirse que el uso de estas técnicas supone la posibilidad de resolver,
de forma practica, problemas de gran complejidad que resultaban intratables mediante
técnicas exactas.
La Investigación Operativa.
Los denominados Métodos Cuantitativos de Gestión visión especialmente aplicada de la
disciplina conocida como Investigación Operativa.
Los objetivos de los métodos cuantitativos están claramente ceñidos al estudio de
problemas de toma de decisiones. Las Fases del método son inmediatas.
Villa Villa MsC

• La primera Fase, formulación del problema, cumple una función primordial, ya
que en base a él es posible enjuiciar que aspectos deben analizarse.
• La segunda Fase consiste en la formulación de un modelo matemático que
describe la situación a estudiar. Un modelo es una abstracción p representación
simplificada de una parte o segmento de la realidad.
En el modelo se pueden distinguir dos partes: esta representación se apoya
generalmente en un lenguaje matemático más o menos sofisticado de acuerdo con
las características del estudio que se esté realizando. Una vez finalizada la
construcción del modelo se aborda la selección del criterio concreto de valoración
de alternativas.
Tiene primordial importancia el conocimiento de los métodos y técnicas por una
parte sugiere posibilidades para la expresión matemática de las relaciones y por
otra proporciona información sobre lo que se le puede pedir y es de esperar que
proporcione el modelo.
• En la Tercera Fase, deducción se soluciones, se requiere un bagaje técnico
suficiente que permita obtener las soluciones del modelo, si este es normativo o
las características fundamentales del proceso si es predictivo, conociendo de que
aspectos depende la modificación de estas características.
La complejidad consustancial de los problemas conduce a la imposibilidad de
obtención de las soluciones óptimas. En tales casos la generación de reglas
heurísticas puede conducir a revelar nuevas formas de actuar en la práctica.
Indispensable en este caso resulta el conocimiento asociado al análisis y diseño y
codificación de algoritmos.
• En la cuarta Fase es necesario discernir entre las soluciones reveladas en la fase
anterior, eligiendo una de ellas o una síntesis de varias. La última fase trae
consigo la caracterización en todos sus detalles de la decisión tomada.
MÉTODOS CUANTITATIVOS DE GESTIÓN
La formación de Métodos Cuantitativos de Gestión tiene como objetivo la formación del
alumno en los conceptos y técnicas básicas de la Investigación Operativa, así como en el
empelo de modelos matemáticos para la resolución de problemas de Gestión e Ingenieria
y en el análisis y desarrollo de algoritmos básicos y herramientas para la optimización.
Villa Villa MsC

PROGRAMACIÓN LINEAL
La Programación Lineal nace a partir de la Segunda Guerra Mundial, como una técnica
dedicada a la resolución de cierto tipo de problemas de asignación de recursos entre
diferentes actividades.
FLUJO DE REDES
Se trata de un módulo centrado en el problema de transporte sirviendo como finalización
del módulo dedicado a programación lineal en general, para iniciar el análisis de
problemas con estructuras especiales. Se completa el módulo con el estudio de problemas
de distribución y su análisis mediante el método primal-dual.
PROGRAMACIÓN LINEAL ENTERA
El siguiente módulo introduce la programación lineal entera mediante el modelado de
situaciones en que existen variables de decisión, implicaciones lógicas o relaciones
disyuntivas.
TEORÍA DE JUEGOS
El cuarto módulo, teoría de Juegos, aborda un conjunto de situaciones caracterizada por
la lucha o enfrentamiento entre dos o más oponentes.
TEORÍA DE LA DECISIÓN
En el quinto módulo se realiza una cinta introducción al análisis de alternativas en
diversos entornos. Se describe como un instrumento conveniente para abordar la toma de
decisiones en condiciones de incertidumbre en las que no se dispone de información
completa. Se analiza el valor de la información en este contexto.
PROGRAMACIÓN DINÁMICA
El sexto módulo se dedica al estudio de problemas de decisión secuenciales o de
múltiples etapas. Las variables que los describen están gobernadas por transformaciones
en el tiempo.
TÉCNICAS DE MODELADO
El módulo de técnicas de modelado describe la sistemática general del modelado
basándose en las siguientes etapas: descripción verbal del problema identificado,
especificación del horizonte al que se refiere el análisis, evaluación de la disponibilidad y
existencia de datos, identificación de variables, especificación de la estructura y
limitaciones a través de la construcción de restricciones, expresadas en términos de los
Villa Villa MsC

datos disponibles y de las variables identificadas, selección de criterios de evaluación de
alternativas y enfoque empleado para la solución del modelo.
SIMULACIÓN DE EVENTOS DISCRETOS
Básicamente consiste en la construcción de modelo que describen la parte esencial del
comportamiento de un sistema de interés, así como en el diseño de experimentos con el
modelo y la extracción de conclusiones de los resultados de los mismos.
MÉTODOS AVANZADOS DE GESTIÓN
Concretamente esta asignatura estudia las técnicas más novedosas para la resolución de
problemas lineales continuos y enteros, amplia las técnicas más novedosas para la
resolución de problemas lineales continuos y enteros, amplia las técnicas ya expuestas
desde un punto de vista computacional y generaliza los conocimientos en el campo de la
optimización al caso más general de problemas no lineales repasando los métodos que
permiten solucionarlos.
EXTENSIONES DE LA PROGRAMACIÓN LINEAL
Comienza con el análisis, desde un punto de vista computacional del algoritmo simplex
como método de resolución. Posteriormente se estudian los métodos de descomposición y
partición. El tercer tema se centra en los métodos llamados de punto interior y su
aplicación en el campo de la programación lineal.
PROGRAMACIÓN NO LINEAL
Se estudian las condiciones necesarias y suficientes de optimalidad en cada tipo de
problema y se introducen otros métodos de optimización para problemas con
restricciones.
Los métodos duales no atacan el problema original son dual.
ALGORITMOS GENÉTICOS
En particular se muestran diversos tipos de operadores de selección, cruce, mutación, etc.
Así como formas dinámicas de determinar sus respectivas frecuencias de empleo.
RECONOCIDO SIMULADO
La idea básica consiste no sólo en moverse de un punto a otro mejor, que sería lo
razonable sino también permitir la ocurrencia esporádica y probabilística de pasos hacia
atrás, esto es empeoramientos en el valor de la función objetivo.
Villa Villa MsC

BUSQUEDA TABÚ
La idea es que prohibiendo movimientos inmersos a los que aparecen en dicha tabla se
minimiza la probabilidad de que la búsqueda entre en un ciclo sin salida. El efecto de
memoria a corto plazo que supone la Lista Tabú se completa con mecanismos de
memoria intermedia y memoria a largo plazo que se denominan intensificación y
Diversificación respectivamente.
REDES NEURONALES ARTIFICIALES
Son sistemas formados por un elevado número de unidades de procesamiento elemental
muy interrelacionadas y que son capaces de realizar tareas como clasificación,
generalización, optimización, abstracción, etc.
TEORIA DE COLAS
Introduce el estudio desde un punto de vista analítico, de los fenómenos de espera tan
corrientes en el entorno productivo. Entre las aplicaciones prácticas de la teoría de colas,
destacan las relativas al diseño y análisis de unidades productivas y de servicios.
Villa Villa MsC

historia métodos cuantittativos

Más contenido relacionado

La actualidad más candente (16)

Destacado (20)

Similar a historia métodos cuantittativos (20)

Más de Cari León (20)

Último (20)

historia métodos cuantittativos