Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
METODOS
HEURISTICOS
INGENIERIA DE SISTEMAS
UNIV. EVENS DAVID CRUZ QUISPE
14
METODOS HEURSTCOS
Mtodo heurstico Se basa en la utilizacin de reglas empricas para llegar a una solucin.
El mtodo heurstico conocido como IDEAL, formulado por Bransford y Stein (1984),
incluye cinco pasos: Identificar el problema; definir y presentar el problema; explorar las
estrategias viables; avanzar en las estrategias; y lograr la solucin y volver para evaluar los
efectos de las actividades (Bransford & Stein, 1984). El matemtico Polya (1957) tambin
formul un mtodo heurstico para resolver problemas que se aproxima mucho al ciclo
utilizado para programar computadores. A lo largo de este curso se utilizar este mtodo
propuesto por Polya. Segn Polya (1957), cuando se resuelven problemas, intervienen
cuatro operaciones mentales:
1. Entender el problema
2. Trazar un plan
3. Ejecutar el plan (resolver)
4. Revisar
Numerosos autores de textos escolares de matemticas hacen referencia a estas cuatro
etapas planteadas por Polya. Sin embargo, es importante notar que estas son flexibles y no
una simple lista de pasos como a menudo se plantea en muchos de esos textos (Wilson,
Fernndez & Hadaway, 1993). Cuando estas etapas se siguen como un modelo lineal,
resulta contraproducente para cualquier actividad encaminada a resolver problemas. Es
necesario hacer nfasis en la naturaleza dinmica y cclica de la solucin de problemas. En
el intento de trazar un plan, los estudiantes pueden concluir que necesitan entender mejor el
problema y deben regresar la etapa anterior; o cuando han trazado un plan y tratan de
ejecutarlo, no encuentran cmo hacerlo entonces, la actividad siguiente puede ser intentar
con un nuevo plan o regresar y desarrollar una nueva comprensin del problema (Wilson,
Fernndez & Hadaway, 1993; Guzdial, 2000).
1. Funciones de comportamiento
Los mtodos heursticos son estrategias generales de resolucin y reglas de decisin
utilizadas por los solucionadores de problemas, basadas en la experiencia previa con
problemas similares. Estas estrategias indican las vas o posibles enfoques a seguir para
alcanzar una solucin.
De acuerdo con Monero y otros (1995) los procedimientos heursticos son acciones que
comportan un cierto grado de variabilidad y su ejecucin no garantiza la consecucin de un
resultado ptimo como, por ejemplo, reducir el espacio de un problema complejo a la
identificacin de sus principales elementos (p. 20).
Conocimiento declarativo: por ejemplo, saber que un kilmetro tiene mil metros.
Conocimiento lingstico: conocimiento de palabras, frases, oraciones.
Conocimiento semntico: dominio del rea relevante al problema, por ejemplo,
saber que si lvaro tiene 5 bolvares ms que Javier, sto implica que Javier tiene
menos bolvares que lvaro.
Conocimiento esquemtico: conocimiento de los tipos de problema.
Conocimiento procedimental: conocimiento del o de los algoritmos necesarios para
resolver el problema.
Conocimiento estratgico: conocimiento de los tipos de conocimiento y de los
procedimientos heursticos
Uno de los problemas ms sencillos es la evaluacin de una funcin en un punto dado. Para
polinomios, uno de los mtodos ms utilizados es el algoritmo de Horner, ya que reduce el
nmero de operaciones a realizar. En general, es importante estimar y controlar los errores
de redondeo que se producen por el uso de la aritmtica de punto flotante.
Interpolacin, extrapolacin y regresin
La interpolacin resuelve el problema siguiente: dado el valor de una funcin desconocida
en un nmero de puntos, cul es el valor de la funcin en un punto entre los puntos dados?
El mtodo ms sencillo es la interpolacin lineal, que asume que la funcin desconocida es
lineal entre cualquier par de puntos sucesivos. Este mtodo puede generalizarse a la
interpolacin polinmica, que suele ser ms precisa pero que sufre el llamado fenmeno de
Runge. Otros mtodos de interpolacin usan otro tipo de funciones interpoladoras dando
lugar a la interpolacin mediante splines y a la interpolacin trigonomtrica. Otros mtodos
de interpolacin utilizando derivadas sucesivas de la funcin son mediante los polinomios
de Taylor y la aproximacin de Pad.
La extrapolacin es muy similar a la interpolacin, excepto que ahora queremos encontrar
el valor de la funcin desconocida en un punto que no est comprendido entre los puntos
dados.
La regresin es tambin similar, pero tiene en cuenta que los datos son imprecisos. Dados
algunos puntos, y una medida del valor de la funcin en los mismos (con un error debido a
la medicin), queremos determinar la funcin desconocida. El mtodo de los mnimos
cuadrados es una forma popular de conseguirlo.
Resolucin de ecuaciones y sistemas de ecuaciones
Otro problema fundamental es calcular la solucin de una ecuacin o sistema de ecuaciones
dado. Se distinguen dos casos dependiendo de si la ecuacin o sistema de ecuaciones es o
no lineal. Por ejemplo, la ecuacin 2x + 5 = 3 es lineal mientras que la ecuacin 2x2 + 5 =
3 no lo es.
Mucho esfuerzo se ha puesto en el desarrollo de mtodos para la resolucin de sistemas de
ecuaciones lineales. Mtodos directos, i.e., mtodos que utilizan alguna factorizacin de la
matriz son el mtodo de eliminacin de Gauss, la descomposicin LU, la descomposicin
de Cholesky para matrices simtricas (o hermticas) definidas positivas, y la
descomposicin QR. Mtodos iterativos como el mtodo de Jacobi, el mtodo de GaussSeidel, el mtodo de las aproximaciones sucesivas y el mtodo del gradiente conjugado se
utilizan frecuentemente para grandes sistemas.
En la resolucin numrica de ecuaciones no lineales algunos de los mtodos ms conocidos
son los mtodos de biseccin, de la secante y de la falsa posicin. Si la funcin es adems
derivable y la derivada se conoce, el mtodo de Newton es muy utilizado. Este mtodo es
un mtodo de iteracin de punto fijo. La linealizacin es otra tcnica para resolver
ecuaciones no lineales.
xn f ( xn 1 )
xn 1 (axn c) mod m, 0 xn m, n
Tipos de generadores
Podemos distinguir dos tipos de estos generadores que se diferencian en el valor del
incremento.
se define como
6. Datos simulados
Definicin del sistema
Consiste en estudiar el contexto del problema, identificar los objetivos del proyecto,
especificar los ndices de medicin de la efectividad del sistema, especificar los objetivos
especficos del modelamiento y definir el sistema que se va a modelar.
Formulacin del modelo
Una vez definidos con exactitud los resultados que se esperan obtener del estudio, se define
y construye el modelo con el cual se obtendrn los resultados deseados. En la formulacin
del modelo es necesario definir todas las variables que forman parte de l, sus relaciones
lgicas y los diagramas de flujo que describan en forma completa el modelo. DAIMER
Coleccin de datos
Es importante que se definan con claridad y exactitud los datos que el modelo va a requerir
para producir los resultados deseados.
Implementacin del modelo en la computadora
Con el modelo definido, el siguiente paso es decidir si se utiliza algn lenguaje como el
fortran, algol, lisp, etc., o se utiliza algn paquete como Promodel, Vensim, Stella y iThink,
GPSS, simula, simscript, Rockwell Arena, [Flexsim], etc., para procesarlo en la
computadora y obtener los resultados deseados.
Verificacin
El proceso de verificacin consiste en comprobar que el modelo simulado cumple con los
requisitos de diseo para los que se elabor. Se trata de evaluar que el modelo se comporta
de acuerdo a su diseo del modelo
Validacin Del Sistema
A travs de esta etapa es valorar las diferencias entre el funcionamiento del simulador y el
sistema real que se est tratando de simular. Las formas ms comunes de validar un modelo
son:
7. Procesos simulados
La simulacin de procesos es una de las ms grandes herramientas de la ingeniera
industrial, la cual se utiliza para representar un proceso mediante otro que lo hace mucho
ms simple e inatendible. Esta simulacin es en algunos casos casi indispensable, como nos
daremos cuenta a continuacin. En otros casos no lo es tanto, pero sin este procedimiento
se hace ms complicado.
Simulacin
La simulacin es la representacin de un proceso o fenmeno mediante otro mas simple,
que permite analizar sus caractersticas; Pero la simulacin no es solo eso tambin es algo
muy cotidiano, hoy en da, puede ser desde la simulacin de un examen, que le hace la
maestra a su alumno para un examen del ministerio, la produccin de textiles, alimentos,
juguetes, construccin de infraestructuras por medio de maquetas, hasta el entrenamiento
virtual de los pilotos de combate.
En este sentido la introduccin del C.A.D. (computer aided Design) est ya representando
un grave avance en la etapa del diseo conceptual de nuevos productos. Por contra, el
C.A.E. se encuentra en una etapa de mucho ms primaria. Sin embargo la verdadera
reduccin del bucle diseo-desarrollo se produce cuando ambas tcnicas actan
conjuntamente. La primera para definir el producto y la segunda para simular su
comportamiento en las condiciones de servicio, Solo la conjuncin de ambas tcnicas hacen
posible que hacen alcanzar los tres objetivos antes mencionados