INSTITUTO TECNOLOGICO DEL VALLE DE MORELIA

Glosario Investigacin de Operaciones

ALUMNO: ALEJANDRO RODRGUEZ CHANURE

PROFESOR: ALEJANDRO NICOLS MARTNEZ GARCA

MATERIA: INVESTIGACIN DE OPERACIONES

GRUPO: 81

CARRERA: INGENIERIA FORESTAL

Morelia Michoacn, Junio del 2016

Actividades: Trabajos o tareas especficas que conforman un proyecto. Las

actividades se representan por medio de nodos en una red de proyecto (Anderson,
et al. 2011).
Actividades crticas: Actividades situadas en la ruta crtica (Anderson, et al. 2011).
Algoritmo: Procedimiento que consiste en una serie de pasos ejecutables y de
decisin ordenados en una secuencia lgica para hallar la solucin de un problema
determinado (Izar, 2012).
Anlisis del riesgo: Proceso de predecir el resultado de una decisin ante la
incertidumbre (Anderson, et al. 2011).
Anlisis de sensibilidad: El anlisis de sensibilidad es muy til en la programacin
lineal, consiste en estudiar los cambios que sufre la funcin objetivo ante
modificaciones en cualesquiera de los paramentos del problema, como pueden ser
las constantes de las restricciones, los coeficientes de las variables en las
ecuaciones de las restricciones, las contribuciones de las variables en la funcin
objetivo, adicin de nuevas restricciones, nuevas variables, etctera (Izar, 2012).
Anlisis de sensibilidad Mtodo de ensayo y error para aprender sobre los
diversos resultados posibles de un modelo. Los valores de ensayo se seleccionan
para los datos de entrada al modelo (stos son los valores sensibles) y se calcula
el valor del resultado o resultados (Anderson, et al. 2011).
Anlisis de sensibilidad: Clculo en porcentaje del efecto que un cambio
porcentual dado en una variable exgena puede producir en otra variable (Eppen,
et al. 2000)
rbol de decisin Representacin grfica del problema de decisin que muestra
la naturaleza secuencial del proceso de toma de decisiones (Anderson, et al. 2011).
Arcos: Lneas que conectan los nodos en una red (Anderson, et al. 2011).
Arco: Punto de conexin entre dos nodos de una red (Eppen, et al. 2000).

Capacidad de flujo: Flujo mximo para un arco de red. La capacidad de flujo en

una direccin puede no ser igual a la capacidad de flujo en la direccin opuesta
(Anderson, et al. 2011).
Compresin: Acortamiento de los tiempos de actividad agregando recursos y, por
consiguiente, casi siempre incrementando el costo (Anderson, et al. 2011).
Costo fijo: Porcin del costo total que no depende del volumen; el costo fijo
permanece igual sin importar cunto se produzca (Anderson, et al. 2011).
Decisin (variable de decisin): Variable exgena cuyo valor est bajo el control
de la persona a cargo de tomar las decisiones y es determinado por ella (Eppen, et
al. 2000).
Dualidad: La dualidad puede definirse con el siguiente enunciado: Para todo
problema de maximizacin de programacin lineal, habr otro problema asociado e
minimizacin, y, por otra parte, para todo problema de minimizacin, habr otro
problema asociado de maximizacin. Al primer problema se le llama primario y al
problema asociado correspondiente se le conoce como dual, dado un problema
cualquiera (Izar, 2012).
Escenario del caso bsico Determinacin del resultado, dados los valores ms
probables de los datos de entrada probabilsticos de un modelo (Anderson, et al.
2011).
Experimento de simulacin Generacin de una muestra de valores de los datos
de entrada probabilsticos de un modelo de simulacin y el clculo de los valores
resultantes de ste (Anderson, et al. 2011).
Escenario en el mejor de los casos Determinacin del resultado, dados los
mejores valores que pueden esperarse de los datos de entrada probabilsticos
(Anderson, et al. 2011).
Escenario en el peor de los casos Determinacin del resultado, dados los peores
valores que pueden esperarse de los datos de entrada probabilsticos de un modelo
(Anderson, et al. 2011).

Flujo mximo: Cantidad mxima de flujo que puede entrar y salir de un sistema de
red durante un periodo dado (Anderson, et al. 2011).
Forma estndar: Programa lineal en el cual todas las restricciones se expresan
como igualdades. La solucin ptima de la forma estndar de un programa lineal es
la misma que la solucin ptima de la formulacin original del programa lineal
(Anderson, et al. 2011).
Formulacin del problema: Proceso de traducir la definicin verbal de un problema
en un enunciado matemtico llamado modelo matemtico (Anderson, et al. 2011).
Funcin objetivo Expresin que define la cantidad que se maximizar o minimizar
en un modelo de programacin lineal (Anderson, et al. 2011).
Funcin objetivo: Es una variable normalmente simbolizada por la letra Z, la cual
representa aquello que se desea optimizar; por ejemplo, un costo que se pretende
minimizar, o bien una utilidad o ingreso que se busca maximizar. (Izar, 2012).
Funcin objetivo: Todo programa lineal tiene una funcin objetivo lineal que
representa la medicin de desempeo por maximizar o minimizar (Eppen, et al.
2000).
Funcin lineal: Funcin en la cual cada una de las variables aparece en un trmino
individual. No hay potencias que no sean 1 y, por ejemplo, no existen ni expresiones
logartmicas o exponenciales, ni declaraciones SI (), ni tampoco trminos
trigonomtricos (Eppen, et al. 2000).
Funciones lineales: Expresiones matemticas en las cuales las variables aparecen
en trminos separados y se elevan a la primera potencia (Anderson, et al. 2011).
Heurstica: Regla prctica intuitivamente atractiva para el tratamiento de algn
aspecto de un modelo (Moore & Weatherford, 2000).
Historia de la Investigacin de Operaciones: Las races de la IO pueden
encontrarse muchas dcadas atrs, cuando se hicieron los primeros intentos por
emplear el mtodo cientfico para administrar una empresa. Sin embargo, el inicio
de

la actividad llamada investigacin de operaciones es atribuible a ciertos servicios

militares que se prestaron al inicio de la Segunda Guerra Mundial. Debido a los
esfuerzos blicos, exista la urgente necesidad de asignar recursos escasos a las
distintas maniobras militares y a las actividades que componan cada operacin de
la manera ms eficaz. Por ello, las administraciones militares estadounidense y
britnica llamaron a un gran nmero de cientficos para que aplicaran el mtodo
cientfico a ste y a otros problemas estratgicos y tcticos. En realidad, les
solicitaron que hicieran investigacin sobre operaciones (militares). Estos grupos de
cientficos fueron los primeros equipos de IO. Debido al desarrollo de mtodos
eficaces para utilizar la nueva herramienta que representaba el radar, los cientficos
contribuyeron al triunfo en la guerra area que libr Gran Bretaa. Sus
investigaciones para mejorar el manejo de las operaciones antisubmarinas y de
proteccin tambin tuvieron un papel importante en la victoria de la campaa del
Atlntico Norte. Esfuerzos similares fueron de gran ayuda en la campaa del
Pacfico. Es posible identificar por lo menos otros dos factores que tuvieron gran
importancia en el desarrollo de la IO durante este periodo. Uno es el progreso
sustancial que se logr en el mejoramiento de las tcnicas disponibles. Despus de
la guerra, muchos de los cientficos que haban participado en equipos de IO o que
tenan informacin sobre este trabajo, estaban motivados para realizar investigacin
relevante en el campo, de lo cual resultaron avances importantes; un ejemplo
sobresaliente es el mtodo simplex para resolver problemas de programacin lineal,
desarrollado en 1947 por George Dantzig. Muchas de las herramientas
caractersticas de la IO, como programacin lineal, programacin dinmica, teora
de colas y teora de inventarios haban sido desarrolladas casi por completo antes
del trmino de la dcada de los aos cincuenta. Un segundo factor que dio gran
impulso al desarrollo de este campo fue la revolucin de las computadoras. El
manejo eficaz de los complejos problemas inherentes a la IO casi siempre requiere
un gran nmero de clculos. Realizarlos de forma manual puede resultar casi
imposible, por lo cual el desarrollo de la computadora electrnica digital, con su
capacidad para hacer clculos aritmticos, miles o tal vez millones de veces ms
rpido que los seres humanos, fue una gran ayuda para esta disciplina. Otro avance

tuvo lugar en la dcada de los aos ochenta, con el desarrollo de computadoras

personales cada vez ms rpidas y de buenos paquetes de software para resolver
problemas de IO. De esta forma, las tcnicas ms complejas estuvieron al alcance
de un gran nmero de personas, y este progreso se aceler an ms en la dcada
de 1990 y al inicio del siglo XXI. Hoy en da, millones de individuos tienen acceso a
estos paquetes y en forma cotidiana se utiliza toda una gama de computadoras,
desde las grandes hasta las porttiles, para resolver problemas de investigacin de
operaciones, algunos de ellos muy complejos. (Hillier & Lieberman, 2010).
Holgura: Lapso de tiempo que una actividad puede ser demorada sin afectar el
tiempo de terminacin del proyecto (Anderson, et al. 2011).
Holgura: Cantidad por la cual el valor del lado izquierdo de una restriccin , cuando
es evaluado en el punto ptimo, es menor que el valor del lado derecho. La holgura
siempre es no negativa (Eppen, et al. 2000).
Investigacin de Operaciones: La investigacin de operaciones puede definirse
como un grupo de mtodos y tcnicas aplicables a la solucin de problemas
operativos de los sistemas. Esta definicin no es completa, pero proporciona la idea
de lo que trata la materia. (Izar, 2012).
Investigacin de Operaciones: En un sentido general, la I.O. puede considerarse
como la aplicacin de mtodos cientficos, tcnicas e instrumentos a los problemas
relacionados con la operacin de los sistemas, a fin de proporcionar a los que
controlan las operaciones las soluciones ptimas para los problemas (Thierauf,
2006).
Lindo: El lindo es un software especializado para la solucin de problemas de
programacin lineal, ya que facilita en gran manera la resolucin de casos con
muchas variables y restricciones, que seran muy laboriosos si se pretendieran
resolver de manera manual (Izar, 2012).

Modelo de asignacin: Modelo para determinar la asignacin ptima de n agentes

u objetos indivisibles a n tareas (Eppen, et al. 2000).
Modelo de flujo mximo: Modelo cuyo objetivo es conducir el mximo volumen de
flujo a travs de una red (Eppen, et al. 2000).
Medida de desempeo (funcin objetivo): Variable endgena que permite
determinar hasta qu punto ha alcanzado sus metas un modelo (Eppen, et al. 2000).
Modelo de red. En general, se refiere al modelo de transbordo con capacidades o
alguna de sus formas especiales (Eppen, et al. 2000).
Modelo de la ruta ms corta: Modelo para encontrar el camino ms corto, dentro
de una red, desde un nodo especfico (el origen) hasta otro nodo (Eppen, et al.
2000).
Modelo de transbordo con capacidades: Modelo de red donde las ofertas estn
en puntos de origen especficos, las demandas se localizan en puntos de destino
especficos y las diversas alternativas de embarque se ofrecen a travs de nodos
intermedios, siguiendo rutas cuyas capacidades estn definidas desde los orgenes
hasta los destinos (Eppen, et al. 2000).
Modelo de transporte. Modelo de PL para encontrar la forma menos costosa de
satisfacer demandas en n destinos con suministros de m orgenes (Eppen, et al.
2000).
Modelo anlogo: Es aqul en el cual se utiliza un medio diferente para representar
propiedades reales, como cuando se usa el desplazamiento de las manecillas de
un reloj para representar el tiempo (Eppen, et al. 2000).
Modelo matemtico: Representacin de un problema donde el objetivo y todas las
condiciones de restriccin se describen por medio de expresiones matemticas
(Anderson, et al. 2011).
Modelo fsico: Es una representacin, como la maqueta de un avin, cuyos
componentes son reproducciones fsicas que muestran las propiedades reales del
objeto representado (Eppen, et al. 2000).

Mtodo Grfico: Es la forma ms simple para resolver problemas de programacin

lineal; consiste en graficar las ecuaciones correspondientes a las restricciones en
coordenadas cartesianas, siendo cada variable representada en uno de los ejes, de
forma que quede perfectamente delimitada la zona factible de solucin,
procedindose entonces a tratar de localizar en ella el punto que optimice la funcin
objetivo (Izar, 2012).
Mtodo de ruta crtica (CPM): Procedimiento de programacin de proyectos
basado en redes (Anderson, et al. 2011).
Mtodo de resolucin grfica: Anlisis geomtrico bidimensional de modelos PL
con dos variables de decisin (Eppen, et al. 2000).
Mtodo Simplex: Es un procedimiento matricial iterativo basado en la metodologa
de Gauss Jordan (Izar, 1998) para manejar variables no negativas, de fcil
implementacin en computadora, lo que permite solucionar problemas de un
nmero elevado de variables y restricciones de una manera gil y eficiente (Izar,
2012).
Mtodo de Transporte: Es un caso particular de la programacin lineal que se
resuelve por una metodologa diferente, que resulta ms sencilla que el mtodo
simplex. Consiste en asignar o distribuir diferentes cantidades de objetos hacia
algunos destinos, buscando hacerlo de una manera ptima, a un costo mnimo o
bien con la utilidad mxima (Izar, 2012).
Modelo: Representacin de un objeto o situacin real (Anderson, et al. 2011).
Modelo: Representacin de una situacin real. En el caso de la investigacin de
operaciones los modelos que se manejan son matemticos, y consisten en una
ecuacin que describe el comportamiento de un fenmeno que sucede en un
sistema dado (Izar, 2012).
Modelo: El modelo es una representacin o abstraccin de una situacin u objeto
reales, que muestra las relaciones (directas e indirectas) y las interrelaciones de la
accin y la reaccin en trminos de causa y efecto. Como el modelo es una
abstraccin de la realidad, puede parecer menos complicado que la misma. Para

que sea completo el modelo debe ser representativo de aquellos aspectos de la

realidad que estn investigndose. (Thierauf, 2008).
Modelo anlogo: Aunque es fsico, un modelo anlogo no tiene una apariencia
fsica parecida a la del objeto o la situacin real que representa (Anderson, et al.
2011).
Modelo icnico Rplica fsica, o representacin, de un objeto real (Anderson, et al.
2011).
Modelo matemtico: Smbolos y expresiones matemticos utilizados para
representar una situacin real (Anderson, et al. 2011).
Modelo de simulacin esttico Modelo de simulacin utilizado en situaciones en
las que el estado del sistema en un momento dado no afecta el estado del sistema
en el futuro. Cada ensayo de simulacin es independiente (Anderson, et al. 2011).
Modelo de simulacin dinmico Modelo de simulacin utilizado en situaciones en
las que el estado del sistema determina cmo cambia o evoluciona el sistema en el
tiempo (Anderson, et al. 2011).
Nodo. Uno de los elementos de una red (Eppen, et al. 2000).
Nodos: Puntos de interseccin o unin de una red (Anderson, et al. 2011).
Nodos de consecuencia: Nodos de un diagrama de influencia que indican puntos
donde ocurrir un resultado (Anderson, et al. 2011).
Nodos de decisin: Nodos que indican puntos donde se toma una decisin
(Anderson, et al. 2011).
Nodos fortuitos: Nodos que indican puntos dnde ocurrir un evento incierto
(Anderson, et al. 2011).
Optimizar: Maximizar o minimizar una funcin objetivo (Eppen, et al. 2000).
Origen: Nodo de una red en el cual la oferta es positiva (Eppen, et al. 2000).

Origen ficticio: Origen aadido a un problema de transporte para igualar el

suministro total a la demanda total. El suministro asignado al origen ficticio es la
diferencia entre la demanda total y el suministro total (Anderson, et al. 2011).
Parmetros: Valores numricos que aparecen en las relaciones matemticas de un
modelo. Los parmetros se consideran conocidos y permanecen constantes
durante todos los ensayos de una simulacin (Anderson, et al. 2011).
Paso hacia atrs: Parte del procedimiento PERT/CPM que implica retroceder a
travs de la red para determinar los tiempos de inicio y terminacin ms tempranos
de cada actividad (Anderson, et al. 2011).
Paso hacia delante: Parte del procedimiento PERT/CPM que implica avanzar a
travs de la red para determinar los tiempos de inicio y terminacin ms tempranos
de cada actividad (Anderson, et al. 2011).
Precio sombra: El precio sombra in del Informe de sensibilidad de Solver es la razn
de cambio del VO a medida que aumenta el LD in (Eppen, et al. 2000).
Precios sombra: Estos representan la relacin de aumento que tendra la funcin
objetivo por el hecho de aumentar en una unidad la constante de una restriccin
dada, o sea el incremento en el recurso correspondiente para esa restriccin (Izar,
2012).
Predecesoras inmediatas: Actividades que deben completarse inmediatamente
antes del inicio de una actividad dada (Anderson, et al. 2011).
Problema de asignacin: Problema de flujo de red que con frecuencia consiste en
la asignacin de agentes a tareas; puede formularse como un programa lineal y es
un caso especial del problema de transporte (Anderson, et al. 2011).
Problema de transbordo: Extensin del problema de transporte para los problemas
de distribucin que involucran puntos de transferencia y envos posibles entre
cualquier par de nodos (Anderson, et al. 2011).

Problema de transbordo con capacidades: Variacin del problema de transbordo

en el cual algunos de los arcos estn sujetos a restricciones de capacidad
(Anderson, et al. 2011).
Problema de transporte: Problema de transporte Problema de flujo de red que con
frecuencia involucra la minimizacin del costo del envo de productos desde un
conjunto de orgenes a un conjunto de destinos; puede formularse y resolverse
como un programa lineal al incluir una variable para cada arco y una restriccin para
cada nodo (Anderson, et al. 2011).
Problema de transporte con capacidades: Variacin del problema de transporte
bsico en el cual algunos o todos los arcos estn sujetos a restricciones de
capacidad (Anderson, et al. 2011).
Programa lineal: Modelo matemtico con una funcin objetivo lineal, una serie de
restricciones lineales y variables no negativas (Anderson, et al. 2011).
Programa lineal (PL): Modelo determinstico formado por ecuaciones lineales, y
que contiene una sola medida de desempeo (funcin objetivo) por optimizar, sujeta
a satisfacer un conjunto dado de restricciones (Eppen, et al. 2000)
Programacin lineal: Es una parte de la programacin matemtica que, como su
nombre lo indica, maneja ecuaciones lineales, es decir, aquellas donde todas las
variables que intervienen en ellas tienen como exponente la unidad en todos sus
trminos. (Izar, 2012).
Programacin lineal: La Programacin Lineal (PL), es una herramienta para
resolver problemas de optimizacin. En 1947 George Dantzig desarrollo un mtodo
efectivo, el algoritmo del simplex para resolver problemas de programacin lineal
(Winston, 2005).
Punto extremo: En trminos grficos, los puntos extremos son los de solucin
factible que se encuentran en los vrtices, o esquinas, de la regin factible. En los
problemas de dos variables, los puntos extremos estn determinados por la
interseccin de las rectas de restriccin (Anderson, et al. 2011).

Ramas: Lneas que muestran las alternativas de los nodos de decisin y los
resultados de los nodos fortuitos (Anderson, et al. 2011).
Red: Red Representacin grfica de un problema que consiste en crculos
numerados (nodos) interconectados por una serie de lneas (arcos); las puntas de
flecha sobre los arcos indican la direccin del flujo. Los problemas de transporte,
asignacin y transbordo son problemas de flujo de red (Anderson, et al. 2011).
Red de proyecto: Representacin grfica de un proyecto que ilustra las actividades
y muestra las relaciones predecesoras entre ellas (Anderson, et al. 2011).
Regin factible: Conjunto de todas las soluciones factibles (Anderson, et al. 2011).
Regin factible: Es el conjunto de todos los puntos que satisfacen las limitaciones
y restricciones de signo de la programacin lineal (Winston, 2005).
Restriccin: Ecuacin o desigualdad que descarta ciertas combinaciones de
variables de decisin como soluciones factibles (Anderson, et al. 2011).
Restriccin. Desigualdad matemtica (restriccin de desigualdad) o igualdad
(restriccin de igualdad) que deber ser satisfecha por las variables del modelo
(Eppen, et al. 2000).
Restricciones: Son las limitaciones fsicas o condiciones que debe cumplir el
problema, por ejemplo, cantidad disponible de recursos, que pueden ser materiales,
tiempo, mano de obra, etc. Tambin suele llamrseles restricciones funcionales.
(Izar, 2012).
Restricciones de no negatividad: Conjunto de restricciones que requiere que
todas las variables sean no negativas (Anderson, et al. 2011).
Restricciones no explicitas: Son aquellas condiciones ocultas en el problema que
no aparecen en la informacin disponible, pero deben ser tomadas en cuenta tanto
en el planteamiento como en la resolucin del mismo. Los ejemplos ms frecuentes
de este tipo de restricciones son la no negatividad de las variables del problema o
el que estas deban ser nmeros enteros (Izar, 2012).

Ruta: Secuencia de nodos conectados que va del nodo de Inicio al nodo de

Terminacin (Anderson, et al. 2011).
Ruta crtica: Ruta ms larga en una red de proyecto (Anderson, et al. 2011).
Ruta ms corta: Trayectoria ms corta entre dos nodos de una red (Anderson, et
al. 2011).
Simulacin Mtodo de aprender sobre un sistema real experimentando con un
modelo que lo representa (Anderson, et al. 2011).
Sistema: Es una parte del universo que se toma aparte para su estudio, se
encuentra unida con el exterior o con otros sistemas por medio de flujos de
materiales y limites, como se muestra a continuacin (Izar, 2012):
Sistema

Flujo de entrada

Flujo de Salida

Solucin de problemas: Proceso de identificar la diferencia entre el estado real de

las cosas y el estado deseado, y luego realizar una accin para reducir o eliminar la
diferencia (Anderson, et al. 2011).
Solucin factible: Solucin que satisface todas las restricciones de forma
simultnea (Anderson, et al. 2011).
Solucin factible bsica: Solucin en la cual todas las variables con no negativas
(Winston, 2005).
Solucin no factible: Alternativa de decisin o solucin que viola una o ms
restricciones (Anderson, et al. 2011).
Solucin ptima: Valor o valores de la variable de decisin especfica que
proporcionan la mejor salida para el modelo (Anderson, et al. 2011).
Solucin ptima. Otro trmino para referirse a una decisin ptima (Eppen, et al.
2000).

Solucin ptima: Punto con el valor de la funcin objetivo ms grande en la regin

factible. De igual manera para un problema de minimizacin, una solucin ptima
es un punto con el valor de la funcin objetivo ms pequeo en la regin factible
(Winston, 2005).
Solver: Programa complementario para hojas de clculo electrnicas que permite
optimizar la representacin de un modelo de PL en una hoja de clculo electrnica
(Eppen, et al. 2000).
Solver: Programa complementario para hojas de clculo electrnicas que permite
optimizar la representacin de un modelo de PL en una hoja de clculo electrnica
(Moore & Weatherford, 2000).
Tcnica de evaluacin y revisin de programas (PERT): Procedimiento de
programacin de proyectos basado en redes (Anderson, et al. 2011).
Tiempo de inicio ms tardo: Tiempo ms tardo en que una actividad puede
iniciarse sin que se incremente el tiempo de terminacin del proyecto (Anderson, et
al. 2011).
Tiempo de terminacin ms tardo: Tiempo ms tardo en que una actividad
puede ser completada sin que se incremente el tiempo de terminacin del proyecto
(Anderson, et al. 2011).
Tiempo esperado: Tiempo de actividad promedio (Anderson, et al. 2011).
Tiempo ms probable: Tiempo de actividad ms probable en condiciones
normales (Anderson, et al. 2011).
Tiempo optimista: Tiempo de actividad mnimo si todo avanza de forma ideal
(Anderson, et al. 2011).
Tiempo pesimista Tiempo de actividad mximo si se presentan demoras signifi
cativas (Anderson, et al. 2011).
Tiempo de terminacin ms temprano: Tiempo ms temprano en que una
actividad puede ser completada (Anderson, et al. 2011).

Tiempo de inicio ms temprano: Tiempo ms temprano en que una actividad

puede iniciarse (Anderson, et al. 2011).
Toma de decisiones: Proceso de definir el problema, identificar las alternativas,
determinar los criterios, evaluar las alternativas y elegir una de ellas (Anderson, et
al. 2011).
Valor objetivo ptimo (valor ptimo): Valor ptimo de la funcin objetivo; es decir,
el valor que asume la funcin objetivo cuando es evaluada en la solucin ptima.
Se abrevia VO (Eppen, et al. 2000).
Variable de decisin: Insumo controlable para un modelo de programacin lineal
(Anderson, et al. 2011).
Variables de decisin: Son aquellas variables que no se conocen y que, al
momento de resolver un problema, debern quedar definidas de tal manera que
logren la optimizacin de la funcin objetivo. A estas variables tambin se les
conoce como variables de decisin. (Izar, 2012).
Valores de decisin: Conjunto de valores numricos de las variables de decisin
(Eppen, et al. 2000).
Variable de holgura: Variable aadida en el lado izquierdo de una restriccin de
menor o igual que para convertir la restriccin en una igualdad. El valor de esta
variable por lo general se interpreta como la cantidad de un recurso sin utilizar
(Anderson, et al. 2011).
Variable de holgura o de excedente: Se emplea para convertir una restriccin de
desigualdad en restriccin de igualdad (Eppen, et al. 2000).

Bibliografa

Anderson, R., Sweeney, D., Williams, T., Camm, J., & Martin, K. (2011)
Mtodos Cuantitativos para los Negocios. Cengage Learning. Mxico, D. F.

Eppen, G., Gould, F., Schmidt, C., Moore, J. & Weatherford, L. (2000)
Investigacin de Operaciones en la Ciencia Administrativa. Mxico.

Hillier, F. & Lieberman, G. (2010) Introduccin a la Investigacin de

Operaciones. McGraw-Hill. Mxico.

Izar, J. M. (2012) Investigacin de Operaciones. Trillias. Mxico.

Moore & Weatherford. (2000). Investigacin de Operaciones en la Ciencia

Administrativa. PRENTICE-HALL. Mxico (Consultado el 06/04/2016, en
https://books.google.com.mx/books?id=DWvtFYqh0YC&pg=PR9&dq=moor
e+y+weatherford&hl=es419&sa=X&ved=0ahUKEwji8pOa5vvLAhVqt4MKHS
InBuoQ6AEILTAC#v=onepage&q=moore%20y%20weatherford&f=false

Thierauf, R. J. (2006). Toma de Decisiones por Medio de Investigacin de

Operaciones. Limusa. Mxico.

Thierauf, R. J. (2008) Toma de Decisiones por Medio de Investigacin de

Operaciones. Limusa. Mxico.

Winston, W. (2005) Investigacin de Operaciones Aplicaciones y Algoritmos.

Thomson. Mxico.