Procesos de solución.

Fases del estudio de la IO

“Aunque los modelos de IO [investigación operativa] están diseñados para “optimizar”

un criterio objetivo específico sujeto a un conjunto de restricciones, la calidad de la
solución resultante depende de la exactitud con que el modelo representa el sistema real”
(Taha, 2012, p. 3).

Procesos de solución de los modelos matemáticos

Tipos de soluciones en un problema de PL

Fases de un estudio de IO

Referencias
 LECCIÓN 1 de 4

Procesos de solución de los modelos matemáticos

No resulta fácil encontrar el modelo que más se adapte a una determinada situación. En primer lugar, se exploran
métodos sencillos que pueden llevar a una solución de “sentido común” para el problema planteado.

Además, es importante tener en cuenta al comportamiento humano para que la solución no falle.

“El tipo y complejidad del modelo matemático determina la naturaleza del

método de solución” (Taha, 2012, p. 5).

De lo anterior se deduce la importancia de una correcta definición del problema.

Técnicas para resolver un problema de IO

es la programación lineal. Está diseñada para modelos con funciones objetivo y restric
Esta técnica es exitosa, pero ¡CUIDADO!, no debe aplicarse a cualquier situación. La tendencia a utilizarla puede
conducirnos a un modelo matemático del todo alejado de la situación real. Por lo tanto, es imperativo que se analicen
primero otras técnicas.

A continuación, haremos un breve resumen de las técnicas más utilizadas para resolver problemas de IO:

1 Programación lineal: función objetivo y restricciones lineales.

2 Programación entera: las variables representan números enteros.

3 Programación dinámica: el modelo original se puede descomponer en submodelos.

4 Programación de red: el problema se modela mediante una red.

5 Programación no lineal: las relaciones entre las variables del problema son no
lineales.

Algoritmos

La mayor parte de las técnicas de la IO producen soluciones que se obtienen mediante algoritmos. En otras palabras, no
se obtienen mediante fórmulas cerradas.

“Un algoritmo es un conjunto de procedimientos, que cuando se siguen

en forma ordenada, proporcionan una solución óptima a un problema”
(Davis-McKeown, 1995, p. 12).
Un algoritmo proporciona reglas fijas de cálculo que se aplican en forma repetitiva al problema, y cada repetición
(llamada iteración), acerca la solución a lo óptimo. Como los cálculos asociados con cada iteración suelen ser
tediosos y voluminosos, es recomendable que estos algoritmos se ejecuten con la computadora. (Taha, 2012, p. 5).

Otras técnicas y procesos de solución

Algunos modelos matemáticos pueden ser tan complejos que es imposible resolverlos con cualquiera de los
algoritmos de optimización disponibles. En esos casos quizá sea necesario abandonar la búsqueda de la solución
óptima y simplemente buscar una buena solución aplicando la heurística, y la metaheurística, o bien reglas
empíricas. (Taha, 2012, p. 5).

En resumen:

Explicaremos brevemente estas últimas técnicas basándonos en el siguiente resumen.

Pueden utilizarse tres procesos o métodos de solución para llegar a soluciones óptimas o casi óptimas para los
problemas de IO.

Algoritmos: son reglas fijas de cálculo que se aplican en forma ordenada e iterativa.

Simulación: “simula” la conducta del problema para un conjunto definido de condiciones de entrada. Se
utiliza cuando el problema no puede resolverse en forma analítica (matemática). Se analiza la
conducta del modelo para determinar el mejor curso de acción.

Métodos heurísticos: son procedimientos de búsqueda que intentan pasar de un punto de solución a
otro para mejorar el objetivo del modelo con cada movimiento sucesivo. Estos métodos dan una
solución aproximada aceptable. Pueden, también, obtenerse una o más soluciones aproximadas. Se
utilizan cuando el planteamiento matemático de un problema es complejo y una solución analítica no
es viable, o cuando la simulación no es práctica debido al tiempo excesivo de procesamiento.
 LECCIÓN 2 de 4

Tipos de soluciones en un problema de PL

Recordemos que:

“Aunque los modelos de IO están diseñados para “optimizar” un criterio

objetivo específico sujeto a un conjunto de restricciones, la calidad de la
solución resultante depende de la exactitud con que el modelo representa el
sistema real” (Taha, 2012, p. 3).

En la próxima idea central de este módulo se estudiarán los problemas de programación lineal; sin embargo,
podemos avanzar en algunos conceptos con respecto a los tipos de soluciones que tenemos en el modelo de PL
(programación lineal).

¿Cuándo una solución es factible? Cuando satisface todas las restricciones; ¿Cuándo una
solución es óptima? Si, además de ser factible, produce el mejor valor (máximo o mínimo) de la
función objetivo.

modelo. Si el modelo es una representación razonablemente buena del sistema real, e

LECCIÓN 3 de 4

Fases de un estudio de IO

En el diagrama siguiente se detallan las fases de un estudio de IO.

LECCIÓN 4 de 4

Referencias

Davis, K., y McKeown, P. (1995). Introducción a los Modelos y a la Ciencia de la Administración. En Autores,
Modelos Cuantitativos para Administración (pp. 2-22). México: Grupo Editorial Iberoamérica.

Taha, H. A. (2012). ¿Qué es la investigación de operaciones? En Autor, Investigación de operaciones (pp. 1- 11).
México: Pearson Educación.