La Investigacion de Operaciones tiene su origen en la segunda guerra mundial.

El objetivo en ese momento era alcanzar el minimo numero de perdidas humanas y de equipo

El planteamiento de este objetivo se apegaban a modelos de ecuaciones lineales modelos de ecuaciones

lineales

INVESTIGACION DE OPERACIONES (IO)

Llamada tambien Investigacion Operativa. Es el area de las matematicas aplicadas que se encarga de
ayudar a tomar decisiones a traves de la generación de modelos, traves de la generacion de modelos,
aplicacion de estadisticos y algoritmos

La Investigacion de Operaciones tiene multiples aplicaciones como:

Capital Humano

Logistica

Contabilidad y finanzas

Produccion

Compras y mercado

Problema
Es la diferencia que existe entre el estado actual y el objetivo de un sistema

Solucion
Conjunto de actividades que tienen que llevarse a cabo para llevar al sistema del que llevarse a cabo para
llevar al sistema del estado actual al estado objetivo

Toma de decisiones
Es el proceso de elegir la mejor solucion a un problema

Restricciones
Conjunto de obstaculos o limitaciones en la obtencion del objetivo del limitaciones en la obtencion del
objetivo del sistema

Modelo es una abstraccion o representacion de un sistema.

Modelo Iconicos
Representacion fisica a escala reducida o aumentada del sistema

Modelo Analogo
Requieren la sustitucion de una propiedad por otra con el fin de permitir la manipulacion del modelo

Modelo Simbolico
Se emplean simbolos matematicos y funciones para representar variables de decision

PROGRAMACION LINEAL

Proceso sistematico, por el cual se diseña un determinado curso de accion; el termino lineal refleja el
que todas las restricciones deben representarse por funciones lineales

Dual
Tecnica cuantitativa para solucionar problemas de asignacion de recursos

Visto
Herramienta cuantitativa para resolver problemas de programacion de actividades.

Un modelo comprende principalmente tres conjuntos basicos de elementos:

1.-Variables y parametros de decision

Las variables de decision son las incognitas (decisiones) que deben determinarse resolviendo el modelo.
Los parametros (determinísticos o probabilísticos) que relacionan las variables de decision, restricciones y
funcion objetivo.

2.-Restricciones

Limitaciones tecnologicas, economicas y otras del sistema

3.-Funcion objetivo
Define la medida de efectividad del sistema como una funcion matematica de las variables de decision

Programación lineal, conjunto de tecnicas de analisis y de solucion de problemas que ayudan a la toma
de decisiones

1776 Gaspar Mongue la programacion lineal es utilizada por primera vez

1939 Kantarovich lanza su trabajo y se le considera uno de los creadores de la programacion lineal

1975 Kantarovich recibe el premio nobel por las aportaciones al tratar la asignacion optima de recursos

El objetivo principal de la programacion lineal es optimizar recursos mediante la maximizacion o

minimizacion de las funciones lineales en varias variables con restricciones (sistemas de ecuaciones
lineales)

Si la funcion objetivo y las restricciones del problema estan formadas por expresiones de primer grado
(funciones lineales) y las variables no son negativas, es programación lineal

Si la funcion objetivo y/o restricciones son no lineales se llama programacion no lineal

Algunos problemas lineales tienen mas de una solucion optima. Cada solución se denomina solucion
optima alternativa

Método Simplex
Es una aportación del Dr. George Bernard Dantzig y el Dr. Leonid Vitalievich Kantarovich

Tiene como objetivo solucionar problemas complejos que estuvieran compuestos por n variables
de decision y m ecuaciones restrictivas.

Es un metodo iterativo que permite encontrar la solucion exacta de cualquier problema de programacion
lineal.

Es un metodo que solo trabaja con ecuaciones del tipo (<=)

Si la ecuacion restrictiva es de <=, se le asigna una +S

Si la ecuacion restrictiva es de =>, se le asignan dos: “-S” y “+R” (artificial)

Si la ecuacion restrictiva es de =, se le asigna una “+R”

Método de penalizacion

También se le conoce como Metodo M

Este metodo se utiliza igual que el Metodo Simplex

Se aplica cuando se tiene desigualdades del tipo = y =>

Se llama penalizacion porque castiga a la funcion objetivo con un valor muy grande

Metodo de doble fase

Cuando se encuentren problemas que tengan restricciones <=, => e =, la solución es aplicar el Metodo M,
tiene una desventaja con El Metodo M, tiene una desventaja con respecto al Metodo de dos fase: errores
de computo ocasionados por valores muy grandes, errores de redondeo en las operaciones
generadas.

El objetivo principal de esta fase es hacer Z=0

DUAL
La solución del problema dual proporciona informacion del problema original (precios en el mercado o
beneficios de los recursos)

Todas las restricciones del modelo primal deben de tener la condicion <tener la condición <=

La funcion objetivo debe ser de maximizar

La modelacion de redes permite la resolucion de problemas de programacion con Algoritmos de

optimizacion de redes

Una red es una grafica que presenta algun tipo de flujo en sus diferentes caminos

Las redes se representan a traves de grafos

Los grafos son un conjunto de nodos unidos a traves de arcos (enlaces)

Cadena
Corresponde a una serie de elementos ramales que van de un nodo a otro

Ruta
Corresponde a los nodos que constituyen una cadena

Ciclo
Corresponde a la cadena que une a un nodo con sigo mismo

Arco orientado
Es aquel arco que presenta una direccion

Grafo orientado
Es aquel que todos sus arcos presentan una direccion presentan una direccion

Arbol
Un arbol es una grafica en la cual no existen ciclos

Arbol de expansión
Es aquel arbol que enlaza todos los nodos de la red, de igual manera no todos los nodos de la red, de
igual manera no permite la existencia de ciclos

Nodo fuente
El nodo fuente es aquel nodo en el cual todos sus ramales se encuentran orientados hacia afuera.

Nodo destino
El nodo destino es aquel nodo en el cual todos sus ramales se encuentran orientados hacia el

Resolucion de problemas de transporte

Es un problema de redes especial en programacion lineal que se funda en la necesidad de llevar

unidades de un punto especifico llamado fuente u origen hacia otro punto especifico llamado destino.

Caracteristicas generales de un problema de transporte y asignacion

Surgen con frecuencia en diferentes contextos de la vida real.

Requieren un numero muy grande de variables y restricciones. Asi, la aplicacion directa del metodo
simplex resulta complicada y, por tanto, supone un gran esfuerzo computacional.

La mayor parte de los coeficientes aij son cero y los que son distintos de cero siguen un patron

Variables de decision: xij = numero de unidades que se distribuyen del origen i al destino

Costos: cij = costo por unidad distribuida del origen i al destino j

Disponibilidades: bi, i = 1, ···, m y Demandas: dj, j = 1, ···, n

El modelo de transporte debe ser EQUILIBRADO

Metodo Voguel

Conocido como Metodo de Aproximacion de Vogel

Requiere de un numero mayor de iteraciones que los demas metodos resolucion de problemas de
transporte heuristicos

Ventajas
Considera la diferencia entre los menores costos del transporte con las penalizaciones (fila y columna)
Penalizacion en no asignar unidades a transportar a una determinada posicion

Desventajas
Requiere mayor iteraciones (costo computacional)
No aporta ningún criterio que permita determinar si la solucion es la mejor

Metodo Hungaro

Es un algoritmo crreado por Harold Kuhn en 1955

James Munkres realizo la revision de este algoritmo en 1957.

Se le demonima tambien como algoritmo Kuhn Munkres.
Objetivo

Minimizar los costos en problemas de optimizacion de programacion lineal

Encuentra el costo minimo de un conjunto de tareas que deben ser realizadas por las personas mas
adecuadas

CARACTERISTICAS

Es un algoritmo mas eficaz que el metodo de transporte

Trabaja con problemas de asignación