[go: up one dir, main page]

0% encontró este documento útil (0 votos)
43 vistas59 páginas

Capitulo 1

IO1

Cargado por

anthony.7100.5a
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
0% encontró este documento útil (0 votos)
43 vistas59 páginas

Capitulo 1

IO1

Cargado por

anthony.7100.5a
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 59

Investigación de operaciones I

Capítulo 1: Introducción

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción


Investigación de operaciones
En inglés: Operations Research (US) u Operational Research
(UK)
Se dice también "Management Science" o "Decision Science"
Es un pilar de la Ingeniería Industrial

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 2


Propósito
En investigación de operaciones, mejoramos algo!
La definición de INFORMS: The Science of Better

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 3


Temas que tienen mucho que ver con la
investigación de operaciones
Ingeniería industrial
Data mining / Data science / Big data
Analísis de decisión
Business analytics
Teoría de grafos
Programación matemática
Teoría de juegos
Simulación

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 4


Temas que tienen mucho que ver con la
investigación de operaciones
Procesos estocásticos
Supply chain management
Logística
Gestión de proyectos
Computer Science
Pronósticos

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 5


¿Qué significa "optimizar"?
Optimizar es encontrar una solución que no podría ser mejor: una
solución óptima.

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 6


A ver... ¿qué podemos optimizar?

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 7


Problemas "fáciles" de optimización

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 8


Encontrar el camino más corto para ir de la
casa a la UTEC

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 9


Problema de emparejamiento máximo en un
grafo bipartito

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 10


©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 11
©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 12
Problema de los matrimonios estables

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 13


©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 14
Observan las preferencias de Jeff y Britta!

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 15


¿Una idea para obtener matrimonios estables?

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 16


Aplicaciones
Vendedores / compradores: problema de eficiencia del
mercado
Buscardor de trabajo / Oferta de puesto
Donación de riñones
etc.
©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 17
Problemas "difíciles" de optimización

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 18


Problema de viajante de comercio

Conocido en inglés como Traveling Salesman Problem


(TSP)

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 19


©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 20
©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 21
©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 22
©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 23
©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 24
©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 25
©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 26
DNA Sequencing
Un reto computacional:
Ensamblar los fragmentos en una única cadena de
nucleótidos (superstring) tal que su tamaño sea lo más
pequeño posible.
Antes de los años 1990 este problema fue considerado como
imposible de resolver.

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 27


DNA Sequencing

Ejemplo con cadenas de bits:


Conjunto de fragmentos: {000, 001, 010, 011, 100, 101, 110,
111}
Fragmentos concatenados (superstring):
000001010011100101110111
Shortest superstring:

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 28


DNA Sequencing

Ejemplo con nucleótidos:


Conjunto de fragmentos: {ATC, CCA, CAG, TCC, AGT}
Fragmentos concatenados (superstring): ATCCCACAGTCCAGT
Shortest superstring?

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 29


Partitioning problem
Tenemos un conjunto de 10 pelotas, cada con un peso:

Objetivo: Compartir (particionar) las 10 pelotas en 2 grupos


(particiones) tal que la diferencia de las sumas en cada grupo sea
la menor posible.

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 30


Knapsack problem (problema de la mochila)

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 31


Knapsack problem (problema de la mochila)

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 32


¿Donde optimizar?

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 33


Optimización de smart grids

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 34


Optimización de evacuación de emergencia en
producción petrolera offshore

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 35


Optimización en radioterapia e imaginería
médica

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 36


Optimización para operaciones portuarias

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 37


Optimización en minería

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 38


Optimización en el sector Oil & Gas

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 39


Optimización en finanzas

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 40


Optimización en transporte

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 41


Optimización en Data Science

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 42


Optimización en Data Science

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 43


Lo que se necesita saber antes de
empezar el curso

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 44


Expresiones lineales y desigualdades
Ejemplo 1:
Ejemplo2:
Los conocimientos básicos de matemáticas o de algebra lineal
son útiles per no indispensables.

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 45


Sumatorias
Si representa la cantidad de botellas de soda producidas por la
línea de producción , la producción total de botellas por todas las
líneas de producción se puede escribir como:

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 46


Sumatorias
Si tenemos que producir al menos 10000 botellas utilizando
todas las líneas de producción, podemos escribir:

Se utiliza frecuentemente notaciones de conjuntos para


escribir una sumatoria. Si es el conjunto de líneas de
producción , podemos escribir:

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 47


Sumatorias
Si representa el conjunto de líneas de producción ,y
representa el conjunto de tipos de soda , y si
representa el número de botellas del soda producidas por la
línea de producción , la expresión:

representa la cantidad de botellas de todo tipo de soda producida


por todas las líneas de producción.

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 48


Sumatorias
La expresión

es equivalente a la expresión

Se puede también escribir de forma sintética:

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 49


Sumatorias
Frecuentemente, al lugar de definir el conjunto de líneas por
, con representando el número de líneas,
escribiremos donde es el número de elementos
en el conjunto . Se dice que es el cardinal del conjunto .

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 50


Conjunto de enteros no negativos:
Es el conjunto de números enteros desde 0 hasta . Se escribe:

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 51


Conjunto de enteros relativos:
Es el conjunto de números enteros desde hasta . Se
escribe:

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 52


Conjunto de enteros positivos:

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 53


Operaciones sobre conjuntos

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 54


Intersección de conjuntos:

Unión de conjuntos:

Diferencia de conjuntos:

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 55


Cuantificadores

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 56


Cuantificador "para todo"
Cada linea de producción (del conjunto ) produce al menos
1000 botellas:

Se lee: "la producción de la linea es mayor que 1000 botellas,


para todas las líneas de ”
o: “Para cualquiera línea de producción de , su producción
es mayor que 1000 botellas”
o: “Para cada línea de producción de , ...".

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 57


Cuantificador "existe"
Existe al menos una línea de producción de que produce
1000 botellas:

Cuantificador "existe uno y sólo uno"


Existe una y sola una línea de producción de que no
produce botellas:

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 58


Fin del capítulo 1

©Fabien Cornillier | Investigación de operaciones 1: Modelos determinísticos | Capítulo 1: Introducción 59

También podría gustarte