Académique Documents
Professionnel Documents
Culture Documents
FACULDAD DE INGENIERIA
CURSO:
INVESTIGACIÓN OPERATIVA
AUTORES:
TACNA – PERU
2017
1
ÍNDICE
I. Introducción………………………………………………………………..…......3
II. Marco teórico ……………….…………………………..……….…………….….4
2.1. Modelos que usan programación matemática………………………..4
2.2. Programación por metas………………………………….…………..…..4
2.2.1. Modelo de programación por metas………………...……..….4
2.3. Método ponderado ………………………………………….……………..5
III. Ejemplos…………………………………………….………………………………7
IV. Conclusión……………………………………………………………………..…14
V. Bibliografía……….…………………………………………………………..…..16
2
I. INTRODUCCIÓN
3
II. MARCO TEÓRICO
4
y 𝑝𝑖 las variables de desviación negativa y positiva,
respectivamente. La variable de desviación negativa cuantifica la
falta de logro de una meta con respecto a su nivel de
aspiración, Mientras que la variable de desviación positiva juega el
papel opuesto; es decir, la medición del exceso de logro de un
meta con respecto a su nivel de aspiración. Así, supongamos
una empresa que produce dos productos con beneficios unitarios
iguales a tres y a una unidad monetaria, respectivamente. El centro
decisor fija para la meta de beneficios un nivel de aspiración de 50
unidades monetarias. Si representamos por 𝑥1 y 𝑥2 las cantidades
de los dos productos, la ecuación de la meta será la siguiente:
(Romero, 2006, p.4)
3 𝑥1 + 𝑥2 + 𝑛 − 𝑝 = 50
La Programación por Metas introduce un conjunto de nuevas
restricciones (débiles) que reflejan las metas perseguidas.
5
Para poder ser tomada como un subrogado de las preferencias, el
decisor debe incorporar sus preferencias sobre las desviaciones
(distinta importancia) ponderándolas. (Moreno, 2006)
6
III. EJEMPLOS
7
IV. CONCLUSIÓN
Los modelos de programación por metas, es una herramienta útil
para el cálculo de estimadores en modelos de regresión múltiple
debido a su formulación equivalente.
Es interesante aplicar estos modelos de regresión cuantílica y
mediana cuando los supuestos sobre los errores en mínimos
cuadrados no se cumplen de forma satisfactoria o de forma
completa.
Además, las formulaciones como un problema de programación por
metas, permite incluir restricciones sobre los parámetros por
estimar y de esta forma, controlar a priori condiciones no factibles
o conocimiento dado sobre los estimadores.
La programación por metas permite formular modelos de
optimización que involucren el valor absoluto en la función objetivo
(optimización no diferenciable), como un problema de
programación lineal, introduciendo variables de desviación.
8
V. BIBLIOGRAFÍA
Rosa Virgínea Icedo Ojeda. Modelo para la selección optima de
proyectos candidatos en organizaciones desarrolladoras de
software usando programación por metas. Guanajuato: México,
2004.
Juan Carlos Vergara /V. Manuel Quesada Ibarguen. Análisis
cuantitativo con WINQSB. Universidad Cartagena.
Carlos Romero. Programación por metas (Goal programming):
Pasado, presente y futuro. Madrid: UPM, 2006.
José María Moreno Jiménez. Decisión multicriterio. Bahía
blanca: UPM, 2006.
Disponible: http://plaesturb.org/cdms3.pdf