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.