Historia de los metod. cuantitativos
-
Upload
rosyta-gavilanes-bustos -
Category
Career
-
view
250 -
download
0
description
Transcript of Historia de los metod. cuantitativos
La IO nace en Inglaterra a finales de
1939
Maximizar la eficiencia
En Agosto de 1940 el Físico P.M.S Balckett
de la Universidad de
Manchester dirigió un equipo
de estudio
EEUU fortalecía los
grupos militares-Inglaterra
trasladaban a la sociedad civil
En Inglaterra el desarrollo de la Organización
era una novedad en la
industria
A mediados e los 50s la IO se afianzaba en la
Industria.
Estudios de IO.-estructuración
estadística de los datos-modelos descriptivos de
tipo probabilístico.
Programación Lineal Entera no recibe atención
hasta que Gomoryobtiene la
expresión general, métodos limitados.
HISTORIA DE LOS MÉTODOS
CUANTITATIVOS
Los modelos no lineales
Proceden del desarrollo del cálculo
matemático en el siglo XVIII, siendo el concepto básico el del Langrangiano.
Progresó durante los años sesenta y
setenta,
Resolución de problemas de
tamaño medio con varias decenas de
restricciones y algunos cientos de
variables.
Otros modelos
La Programación Dinámica
Richard Bellman al principio de los cincuenta.de gran
importancia en la Teoría del Control Optimo
La teoría de las colas
Dánes A.K. Erlang en la industria telefónica de
principios de Siglo existencia de multitud de lenguajes de simulación a disposición de los usuarios
de computadoras.
La Teoría de Juegos
Primeros resultados de von Neumann sobre el teorema
del mínimax en 1926. Influencia de esta teoría sobre la organización ha
sido muy limitada.
Teoría de la Decisión
Basada en la estadística Bayesiana y la estimación
subjetiva de las probabilidades de los sucesos; cuando la
información no es completa
Aspectos que caracterizan la IO
Toma directa de datos
Empleo de Modelos matemáticos
Obtención de las políticas óptimas
Modificación de dichas políticas de acuerdo con factores reales no considerados en el modelo.
Su base fundamental está en las matemáticas, la economía, la estadística y e cálculo de probabilidades
No existe método analítico que permita obtener, con seguridad y en un tiempo conveniente, el óptimo teórico.
ESTABLECIDOHA LA I.O.
MÉTODOS HEURÍSTICOS
Algoritmos genéticos
introducidos por Holland para imitar algunos de los
mecanismos que se observan en la evolución de las especies
Algoritmo reconocido simulado
generan aleatoriamente una solución cercana y la aceptan como la mejor si tiene menor
costo,
La búsqueda tabú
Basada 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
Las redes neuronales
Reproducen en la medida de lo posible características y
capacidad de procesamiento de información del conjunto de
neuronas presentes en el cerebro.
• Fse 4: discernir entre las soluciones
reveladas.- elegir una solución y caracterizar
todos sus detalles
• Fase 3: Deducción de soluciones.-
Indispensable el conocimiento asociado al análisis y diseño y
codificación de algoritmos.
• Fase 2: Formulación de un modelo
matemático.- se apoya en un lenguaje
matemático más o menos sofisticado
• Fase 1: Formulación del problema:.-
enjuicia aspectos a analizar
INVESTIGACIÓN OPERATIVA
Utiliza:
Estudia problemas relacionados a la
toma de decisiones
MÉTODOS CUANTITATIVOS
Su objetivo es formar al estudiante en
conceptos básicos de I.O.
MÉTODOS CUANTITATIVOS DE
GESTIÓN
Resolución de problemas de gestión y análisis y desarrollo
de algoritmos
MC de G
PROGRAMACIÓN LINEAL
Técnica de resolución
de asignación de recursos
MC de G
módulo centrado en el problema
de transporte
FLUJO DE REDES
sirviendo como
finalización del módulo dedicado a
programación lineal en
general
• Modelado de situaciones en que existen variables de decisión, implicaciones lógicas o relaciones disyuntivas.PROGRAMAC
IÓN LINEAL ENTERA
• Caracterizada por el enfrentamiento entre 2 o más oponentes
TEORÍA DE JUEGOS
• Introducción al análisis de alternativas en diversos entornos
TEORÍA DE LA DECISIÓN
• Estudio de problemas de decisión secuenciales o de múltiples etapas
PROGRAMACIÓN DINÁMICA
• Modelado describe la sistemática general del modelado basándose en etapas
TÉCNICAS DE MODELADO
• Describen la parte esencial del comportamiento de un sistema, el diseño de experimentos con el modelo y la extracción de conclusiones de los resultados
SIMULACIÓN DE EVENTOS DISCRETOS
MC de G
MÉTODOS AVANZADOS DE GESTIÓN
Amplia las técnicas más novedosas para la resolución de problemas lineales continuos y enteros y las técnicas ya expuestas desde un punto de vista computacional
EXTENSIONES DE LA PROGRAMACIÓN LINEAL
algoritmo simplex -los métodos de descomposición y partición y métodos llamados de punto interior y su aplicación-.
PROGRAMACIÓN NO LINEAL
Introduce otros métodos de optimización para problemas con restricciones.
ALGORITMOS GENÉTICOS
Se muestran diversos tipos de operadores de selección, cruce, mutación, etc.
MC de G
RECONOCIDO SIMULADO
BUSQUEDA TABÚ
REDES NEURONALES ARTIFICIALES
TEORÍA DE COLAS
• Ocurrencia esporádica y probabilística de pasos hacia atrás,
• Empeoramientos en el valor de la función objetivo.
• Prohíbe movimientos inmersos a los que aparecen en dicha tabla.
• Intensificación y diversificación
• unidades de procesamiento elemental capaces de realizar tareas como clasificación, generalización, optimización, abstracción, etc.
• Diseño y análisis de unidades productivas y de servicios.