operaciones (I.O.) es la ciencia de la toma de decisiones, es decir la aplicación de métodos analíticos y el desarrollo de modelos matemáticos que apoyen la toma de decisiones.
La metodología que utiliza la I.O. para enfrentar un
problema se resume en:
a) Definición del problema
Identificar el ámbito, más específicamente se
refiere a considerar la dimensión espacial, dimensión temporal u horizonte, separabilidad de las decisiones (impacto de las decisiones en otros o dentro del sistema), recursos disponibles y tecnología.
Definir los objetivos y
Definir las alternativas de decisión.
Iván Castillo López Página 2
b)Construcción del modelo
Modelo = una aproximación a la realidad.
Se necesitan construir modelos matemáticos
(modelos que emplean elementos matemáticos en su formulación, signos, variables, funciones), que represente el sistema en que se desarrolla el problema (sistema de producción, sistemas logísticos, sistemas de distribución, etc)
Los elementos característicos de estos modelos son:
las variables, las restricciones y las medidas de efectividad.
Las variables se clasifican en tres grupos:
Variables de decisión o endógenas: Son las
variables cuyo resultado se conocerá con la resolución del modelo, los valores generados son las decisiones que se deberán tomar.
Variables exógenas o parámetros: Valores que
están fuera del alcance del tomador de
Iván Castillo López Página 3
decisiones, desde el punto del vista del modelo son datos: Variables de estado: variables que muestran el estado del modelo en un instante dado, depende de las variables de decisión y de estado.
Las restricciones se refieren a las limitaciones de las
variables de decisión.
Las medidas de efectividad son funciones que nos
permiten comparar cuál decisión es mejor o peor.
Dada la dificultad de representar problemas de la vida
real es necesario hacer supuestos válidos en la construcción de un modelo.
Sin embargo, muchos de los sistemas complejos de la
vida real no se pueden representar por modelos matemáticos, por este motivo la I.O. hace uso de otros enfoques, como ser la simulación, teoría de juegos, teoría de colas, etc.
c) Resolución del modelo
Consiste en determinar los valores de las variables de
decisión, para esto se deben emplear las técnicas y el
Iván Castillo López Página 4
software adecuado, sin embargo no es posible siempre resolver un modelo, esto se debe principalmente en la lenta convergencia de los algoritmos o lo que es peor la complejidad del modelo la cual puede hacer que el problema sea imposible computacionalmente de resolver por el algoritmo.
Para algunas de estas situaciones se han desarrollado
procedimientos llamados heurísticas, que también son iterativos pero que no garantizan la optimalidad de la solución, estos métodos se utilizan a fin de acelerar la convergencia o para obtener soluciones aproximadas no necesariamente óptimas.
Además es útil proveer información acerca de la
variación de algunos parámetros y su efecto en la solución del modelo, a este análisis se llama análisis de sensibilidad.
d) Validación del modelo
Se refiere a que el modelo debe ser probado,
concretamente lo que se hace es verificar que los resultado del mismo sean compatibles con la realidad
Iván Castillo López Página 5
e) Implementación y control
Implementación computacional, procedimientos que
permitan utilizar los resultados del modelo
2 Disciplinas de la investigación operativa
2.1 Programación matemática u optimización
Conjunto de técnicas para determinar valores de
variables de decisión, de modo que se obtenga el mejor valor de una medida de efectividad (función objetivo) y se cumplan ciertas restricciones.
Cuando se tiene más de una medida de rendimiento
se llama programación multicriterio y cuando se incluye la incertidumbre de los parámetros se llama programación matemática estocástica.
2.2 Programación dinámica
Técnica en que se resuelve el problema identificando
una estructura dinámica de las variables de decisión, es decir se toman las mismas decisiones en varias etapas y en que las decisiones dependen del estado en que se encuentre y del estado anterior.
Iván Castillo López Página 6
2.3 Teoría de colas
Técnica que estudia el fenómeno de espera y trata de
representar el sistema de colas. El fenómeno de la espera no solo involucra a seres humanos, los trabajos en una fábrica esperan a ser procesados, los aviones esperan autorización para aterrizar, las llamadas a un call center deben tener el menor tiempo de espera.
2.4 Simulación
Estudios de sistemas, en los que se busca es
reproducir su comportamiento y no optimizarlo.
2.5 Teoría de Juegos
Estudia problemas donde 2 o más agentes buscan
alcanzar cierto grado de equilibrio.
2.6 PROBLEMA GENERAL DE OPTIMIZACIÓN
El problema general de optimización matemática
cosiste en determinar los valores de las variables de decisión, de modo que se optimice el valor de una medida de rendimiento o efectividad y de tal forma que se cumplan las restricciones.
Iván Castillo López Página 7
Un problema básico de optimización puede ser modelado de la siguiente forma
݂ ܰܫܯሺݔሻ ݂ ܺܣܯሺݔሻ
ݏ. ܽ. O bien ݏ. ܽ.
x∈ ܵ x∈ ܵ
݂ ሺ ݔሻ es la medida de efectividad o función objetivo, la
cual es una función escalar multivariada.
Las restricciones limitan el valor de las variables de
decisión, entonces estas deben pertenecer a un conjunto S, por tanto todas las variables que cumplan todas las restricciones se llaman solución factible y si esta es la mejor se llama solución óptima.
Cuando el problema no tiene restricciones se llaman
no restringido o irrestricto, caso contrario es restringido, entonces en la anterior formulación S es el conjunto de soluciones factibles.
Ahora, consideremos el siguiente problema de
optimización
Iván Castillo López Página 8
݂ ܰܫܯሺݔሻ
ݏ. ܽ.
݃ ሺݔሻ ≤ 0 ݅ = 1 … ݉
Si las funciones f(x) y g(x) son lineales, el problema se
llama programación lineal (linear programming LP), si al menos una de ellas no es lineal, entonces el problema se llama programación no lineal.
Si las variables son del tipo que pueden tomar valores
en un intervalo de la recta real, se dice que el problema es continuo, si una variable puede tomar valores solamente en un conjunto de valores enteros se dice que ella es entera, si todos las variable toman valores enteros, se dice que el problema es de programación entera (integer programing IP), un caso particular es cuando las variable pueden tomar solamente valores de cero o uno, en tal caso la variable se llama binaria, si las variables pueden tomar valores tanto enteros como continuos el problema es de programación entera mixta (mixed integer programming MIP).
Iván Castillo López Página 9
2.7 Clasificación de modelos
Según las características de las funciones, un
problema se divide principalmente en determinístico y estocástico, este último se refiere a problemas en que los parámetros tienen un comportamiento incierto, caso contrario es deterministico.
En las figura se puede visualizar la clasificación de los
modelos de optimización.
Iván Castillo López Página 10
3 Algoritmos, Métodos y Heurísticas
Una instancia es especificar valores para todos los
parámetros de un problema.
Un método es una secuencia finita o infinita de pasos
para determinar la solución a una instancia dada
Algoritmo es un secuencia FINITA de pasos que
garantiza la solución a instancia dada
Ante la dificultad de problemas aun no se han
desarrollado algoritmos o si existen tardan demasiado en encontrar una solución, ante este hecho se ha desarrollado heurísticas que son procedimientos que en un tiempo razonable son capaces de encontrar buenas aproximaciones a la solución.
Una heurística se puede describir como un
procedimiento que se basa en un conjunto de ideas intuitivas, que sin ser rigurosos, puedan ser utilizadas en la búsqueda de soluciones de calidad para un problema dado.
Iván Castillo López Página 11
4 Complejidad de problemas
La complejidad de un algoritmo se define como el
tiempo máximo que se requiere para resolver una instancia de un tamaño L
La complejidad de un problema está definido por el
algoritmo que mejor lo resuelve.
La complejidad de un algoritmo esta dado por la
mayor cantidad de pasos necesarios para resolver el problema.
Problema P: existe un algoritmo que en tiempo
polinomial lo resuelve
Problema NP. Existe un algoritmo no deterministico