UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE

CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA

LECTURA RECONOCIMIENTO : 200608_TEORIA DE LAS DECISIONES

Modelos de Investigacin de Operaciones

Modelos Matemticos
Los modelos matemticos son modelos formales que utilizan el lenguaje
de las matemticas para describir un sistema, expresando parmetros,
variables, relaciones. El lenguaje matemtico no se limita a la expresin de
nmeros y operadores aritmticos que los relacionan. As por ejemplo la teora
de grafos, ampliamente utilizada en aplicaciones prcticas, es un
subconjunto de la ms general teora de conjuntos.
Los modelos matemticos se pueden clasificar de mltiples maneras. A
continuacin se describen algunas que se consideran relevantes.
Los modelos pueden ser estticos o dinmicos. Un modelo esttico no
tiene en cuenta el tiempo, mientras que los modelos dinmicos s. Los modelos
dinmicos se suelen representar con ecuaciones en diferencias o ecuaciones
diferenciales.
Los modelos pueden ser lineales o no-lineales. Si todos los operadores
de un modelo son lineales el modelo es lineal, si al menos uno es no-lineal el
modelo es no-lineal. Aunque hay excepciones, los modelos lineales son mucho
ms fciles de manejar que los modelos no-lineales. En general los modelos
no-lineales pueden ser linealizados, pero entonces, es posible, que se estn
perdiendo aspectos relevantes del problema.
Un modelo puede ser determinista o estocstico. Un modelo
determinista es aquel en que cada conjunto de variables en un estado est
definido por los parmetros del modelo y por los estados anteriores. Un
modelo determinista se comporta siempre igual para un conjunto de
parmetros de entrada. En un modelo estocstico las variables de estado se
representan por distribuciones de probabilidad, y por tanto el modelo es capaz
de recoger aleatoriedad o incertidumbre.
Modelos de Programacin Matemtica
La caracterstica comn que comparten todos los modos de modelar
matemticamente es que representan la realidad mediante variables y
parmetros (y algunos otros artificios como funciones o conjuntos). De este
modo la realidad queda cuantificada. Entre ellos estn la Programacin
Dinmica o la Teora de Grafos.
Los modelos de Programacin Matemtica se distinguen por que
representan la realidad mediante funciones. Estas son combinacin de
variables y parmetros en forma de restricciones y/o funciones objetivo. En
general, las restricciones se deben respetar y las funciones objetivo establecen
la diferencia entre una solucin y otra mejor.
Hector Ivan Blanco Rodriguez (Director de curso)
Tutor ECBTI

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE

CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA
LECTURA RECONOCIMIENTO : 200608_TEORIA DE LAS DECISIONES

Este tipo de modelos matemticos pertenecen al grupo de los modelos

normativos (qu indican el camino a seguir) frente a la categora de los
descriptivos (que describen la situacin actual o futura).
Por qu se llama Programacin Matemtica?
Tres nombres de tres cientficos ilustres van asociados al origen del
extrao nombre de Programacin Matemtica: Koopmans, Dantzig y
Kantorovich.
Los tres parecen haber diseado mtodos de Planificacin y
Programacin de Operaciones (produccin y transporte) utilizando modelos
matemticos.
Se podra decir pues que se lo que se conoce como Programacin
Matemtica fue originariamente un modo de resolver problemas de
Programacin mediante mtodos matemticos.
Los modelos de programacin cuyas variables tenan relaciones lineales,
tenan la interesante propiedad de no tener ptimos locales por lo que la
Programacin Lineal se convirti pronto en un lugar comn de encuentro de
modeladores y solucionadores.
Una clasificacin de Modelos de Programacin Matemtica
Una clasificacin de los modelos de programacin matemtica podra
tener en cuenta las siguientes caractersticas:
Estructura, objetivos y restricciones (lineales o no-lineales)
Caractersticas de las Variables (Reales, Discretas -Enteras-,
Binarias)
Certidumbre de los Parmetros (Ciertos e Inciertos)
Nmero de Objetivos (Ninguno, Uno o ms de Uno)
Nmero de Restricciones (Ninguna, Ms de Cero)
El objeto de esta descripcin no es establecer una perfecta clasificacin
de todos los modelos de programacin matemtica. En realidad se pretende
fijar un marco que sirva de referencia en el contexto de estos apuntes.
Programacin lineal. Entre los tipos de modelos de uso ms generalizado
en Programacin Matemtica se encuentra la denominada Programacin Lineal.
sta, en su forma ms bsica, consiste en un conjunto de variables reales, que
mediante combinacin lineal de parmetros ciertos, permite establecer un
objetivo y restricciones lineales.
Hector Ivan Blanco Rodriguez (Director de curso)
Tutor ECBTI

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS

BASICAS, TECNOLOGIA E INGENIERIA
LECTURA RECONOCIMIENTO : 200608_TEORIA DE LAS DECISIONES

Los fundamentos matemticos de los modelos lineales se encuentran en

la teora de las desigualdades lineales desarrollada en el siglo XIX como se
puede leer en (Poler 2001). Aunque se encuentran precedentes en distintos
campos (teora de juegos, definicin de dietas, problemas de transporte...), la
formulacin y resolucin general de los problemas de Programacin Lineal fue
realizada en el proyecto SCOOP, lanzado en 1947 por el ejrcito del aire de los
Estados Unidos de Norteamrica, dando lugar al algoritmo denominado
Simplex expuesto inicialmente por Dantzig en 1947. En menos de 10 aos la
Programacin Lineal experimento un fuerte desarrollo con trabajos que
abordaron, entre otros temas, la degeneracin, la dualidad y las formas
compactas.
Actualmente es posible encontrar en el mercado, incluyendo aplicaciones
gratuitas en internet, aplicaciones comerciales para la resolucin eficiente de
problemas de Programacin Lineal (GUROBI, CPLEX, XPRESS, LINDO, QSB...),
siendo un avance significativo de los ltimos aos el desarrollo de paquetes
que facilitan la introduccin del modelo y la integracin de ste con los
Sistemas de Informacin de la empresa.
La mayor parte de estos paquetes utilizan (o han utilizado) el
denominado mtodo Simplex. Dicho mtodo, aunque computacionalmente
ineficiente, tiene la ventaja docente de ser metdico y que permite explicar,
mediante el propio mtodo, algunos conceptos como precios-sombra o costes
reducidos.
Hasta finales de la dcada de los 80 del siglo XX no surgen como
alternativa vlida los denominados mtodos del punto interior. El menor coste
computacional de este tipo de algoritmos hace que su implantacin en los
paquetes comerciales sea creciente.
Por ltimo parece necesario destacar que aunque para el observador no
experimentado la exigencia de linealidad puede parecer excesivamente
restrictiva, la realidad es que un gran nmero de problemas reales puedan ser
modelados con esa consideracin (Williams, 1999). La ventaja de los
Programacin Lineal frente a la Programacin No-Lineal es que para esta no se
conocen modelos generales de resolucin eficientes. Curiosamente el trabajo
que se desarrolla en resolucin de Programacin No-Lineal est colaborando
en mejorar la eficiencia de la Programacin Lineal.
Programacin lineal entera. Si a alguna de las variables de un problema
lineal se le impone la condicin de integridad el problema pasa a ser de
Programacin Lineal Entera Mixta. Si todas son variables enteras, el problema
pasa a ser de Programacin Lineal Entera. La condicin de integridad puede
venir impuesta, entre otros motivos, por el imposible fraccionamiento de
determinados recursos. Uno de los procedimientos ms efectivos para la
resolucin de este tipo de problemas se fundamenta en el concepto de
ramificacin y cota.
Hector Ivan Blanco Rodriguez (Director de curso)
Tutor ECBTI

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE

CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA
LECTURA RECONOCIMIENTO : 200608_TEORIA DE LAS DECISIONES

Desgraciadamente aunque la lgica de este procedimiento es eficaz,

conduciendo necesariamente al ptimo, el coste computacional en algunos
problemas es, an hoy en da, excesivo. Otro procedimiento para la resolucin
de estos problemas se basa en los mtodos de planos cortantes, aunque este
mtodo levant grandes expectativas por ahora no han fructificado de modo
eficiente.
Una variante especial de los problemas de Programacin Lineal Entera lo
constituyen aquellos donde algunas variables son bivalentes. El uso de este
tipo de variables tiene su origen en la representacin de aquellas decisiones
que slo admiten dos valores, pero tambin aquellos problemas que exigen
restricciones de tipo lgico. La pretensin de resolver estos problemas de
modo eficiente ha dado lugar a mtodos como el de enumeracin implcita o
tcnicas ms generales de enumeracin como las descritas en (Kauffmann y
Henry-Labordere, 1976).
Hay que destacar la existencia de algunos tipos especiales de problemas
con variables bivalentes que se abordan mediante mtodos especficos de
resolucin, ptimos en algunos casos y ms eficientes por haber sido
desarrollados ex profeso. Algunos de estos problemas son los de
cubrimiento, asignacin, particin, mochila y rutas (Williams, 1999).
Programacin estocstica. Si a los problemas de Programacin
Matemtica (en general) se les incorpora la incertidumbre en los parmetros,
esta incertidumbre se puede abordar mediante la denominada Programacin
Estocstica.
Una variante de la misma especialmente interesante es la Programacin
Lineal Estocstica, que puede ser resuelta de modo ptimo, aunque con un
coste computacional elevado.
Uno de los mecanismos para abordar la incertidumbre en los datos es el
uso de los denominados escenarios. Estos constituyen un posible conjunto de
valores para los parmetros. Cada uno de estos escenarios pueden tener una
probabilidad asociada aunque no necesariamente (Dembo, 1991).
Existen diferentes modos de formular mediante un problema de
Programacin Lineal un Problema Estocstico aunque bsicamente consiste en
obtener una decisin para el instante actual teniendo en cuenta los escenarios
futuros. De este modo la decisin a tomar no ser ptima, en general, para
ninguno de los escenarios aunque s para el conjunto de ellos. Este modo de
plantear y resolver el problema tiene un elevado coste computacional pero se
puede abordado mediante descomposiciones y computacin en paralelo con
ndice de paralelizacin elevado.
Otro modo de abordar la estocasticidad en los parmetros es obtener el
ptimo para cada escenario y comparar el valor que esta decisin tendra para
Hector Ivan Blanco Rodriguez (Director de curso)
Tutor ECBTI

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE

CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA
LECTURA RECONOCIMIENTO : 200608_TEORIA DE LAS DECISIONES

el resto de escenarios, eligiendo como decisin definitiva la ms buena, o la

menos mala o cualquier otro mecanismo que se considere oportuno.
Programacin no-lineal. Si a los modelos de Programacin Lineal se les
elimina el requerimiento de que la funcin objetivo o las restricciones sean
lineales, se obtienen modelos de Programacin No-Lineal. La eliminacin del
requerimiento de linealidad se suele fundamentar en la estructura no-lineal del
objeto, o parte de l, a modelar. En realidad debiera ser planteado al revs, la
realidad es generalmente no lineal y al linealizar estamos constriendo el
modelo.
Sin embargo muchas de las circunstancias aparentemente no-lineales
pueden ser linealizadas sin prdida de su significado. El motivo de la aparente
obsesin por la linealidad se basa, fundamentalmente, en la falta de eficacia en
la obtencin de ptimos mediante el uso de los procedimientos actualmente
existentes para la resolucin de problemas no-lineales en general.
De hecho la no linealidad impide garantizar siempre la deteccin de un
ptimo an tras haberlo encontrado. El teorema de optimalidad de Karush
Kuhn y Tucker (ms conocidas por condiciones KKT) que establecen las
condiciones necesarias de optimalidad en problemas no lineales. Es de
destacar que dichas condiciones no son suficientes sino necesarias.
Una variante de la programacin No-Lineal la constituyen aquellos
problemas sin restricciones, para los que el clculo del ptimo tiene su origen
en el desarrollo del clculo matemtico del siglo XVIII.
En general se puede admitir que la resolucin de grandes problemas de
optimizacin en programacin No-Lineal an hoy no es eficiente. Sin embargo
el esfuerzo realizado no es infructuoso, por poner un ejemplo algunos de los
algoritmos que actualmente permiten que la programacin Lineal sea hoy en
da tan rpida en su resolucin fueron desarrollados para buscar soluciones en
entornos No- Lineales. Posteriormente se han revelado eficientes en los
problemas de Programacin Lineal.
Los Componentes de un Modelo Matemtico
Los modelos matemticos tienen dos componentes bsicos:
Datos: Valores conocidos y constantes.
Variables: Valores que se calculan.
Mediante la combinacin lineal de los mismos se generan:
Funcin Objetivo que debe minimizarse o maximizarse.
Restricciones que establecen lmites al espacio de soluciones.
Hector Ivan Blanco Rodriguez (Director de curso)
Tutor ECBTI

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE

CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA
LECTURA RECONOCIMIENTO : 200608_TEORIA DE LAS DECISIONES

Tanto la funcin objetivo como las restricciones se expresan

matemticamente mediante el uso de variables o incgnitas. Se pretende
definir unos valores a dichas variables de tal modo que se obtiene la mejor
valoracin de la funcin objetivo mientras se cumplen todas las restricciones.
En su formulacin bsica los modelos matemticos tienen una funcin
objetivo y una o ms restricciones. Sin embargo existen excepciones como:
Mltiples Objetivos.
Objetivos No existentes.
No existencia de restricciones.
Mltiples objetivos. Un modelo de Programacin Matemtica exige una
nica funcin objetivo que tiene que ser maximizada o minimizada. Esto sin
embargo no implica que no se puedan abordar los problemas con mltiples
funciones objetivo. De hecho, como se ha comentado, existen diferentes
mtodos de modelado y posterior resolucin que se pueden aplicar en estos
tipos de problemas.
Numerosos autores relacionan la Programacin Multi-Objetivo con la
Teora de la Decisin que se aborda ms adelante.
Objetivos no existentes. En ocasiones al plantear el problema es difcil
establecer un objetivo para el problema, ms all de encontrar una solucin
que satisfaga las restricciones. En ese caso es conveniente fijar un objetivo
sencillo ligado a una nica variable. Aunque la experiencia muestra una y otra
vez, que una vez se obtiene una solucin factible el usuario acaba encontrando
un modo de distinguir una solucin de otra peor.
Optimizacin sin restricciones. Los problemas de optimizacin sin
restricciones pretenden minimizar (o maximizar) una funcin real f(x) donde x
es un vector de n variables reales. Es decir se buscan un x* tal que f(x*)f(x)
para todos los x cercanos a x*.
En el caso de un problema de optimizacin global, el x* buscado es el
que minimiza f para todo el espacio xRn.
Modelos de Optimizacin Combinatoria
La Optimizacin Combinatoria es una rama de la Investigacin Operativa
que consiste en encontrar la solucin ptima a un problema en que cada
solucin est asociada a un determinado valor (el valor de la solucin).
El trmino Combinatoria hace a la rama de la matemtica que estudia
colecciones finitas de objetos que satisfacen unos criterios especificados, y se
Hector Ivan Blanco Rodriguez (Director de curso)
Tutor ECBTI

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE

CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA
LECTURA RECONOCIMIENTO : 200608_TEORIA DE LAS DECISIONES

ocupa, en particular, del "recuento" de los objetos de dichas colecciones

(combinatoria enumerativa) y del problema de determinar si cierto objeto
"ptimo" existe (combinatoria extremal).
El trmino Optimizacin hace referencia a este segundo aspecto de la
bsqueda del mejor valor. En muchos de esos problemas la bsqueda
exhaustiva no es factible y por la estructura de los problemas tanto no es
posible.
La optimizacin combinatoria acta en el campo de los problemas de
optimizacin en los que el conjunto de soluciones factibles es discreto (o
reducible a discreto). En algunos casos se tiende la tendencia a asumir que la
OC es la programacin lineal entera con variables binarias.
La bsqueda (o la definicin de la existencia) de un ptimo para tipos
especficos de problemas ha dado lugar a una cantidad considerable de
algoritmos que son capaces de resolver casos especficos en tiempo polinomial.
Los problemas de optimizacin combinatoria tratan de encontrar la
mejor solucin de entre un conjunto de tems discreto y por tanto finito. En
principio cualquier algoritmo constructivo o de bsqueda podra encontrar la
solucin ptima, pero no necesariamente tiene porqu garantizarla.
En aquellos casos en que el problema parece resistirse a ser resuelto se
suele abordar el problema de diferentes maneras:
Algoritmos que funcionan bien generalmente para tamaos
pequeos de problemas.
En ocasiones hay problemas que su versin aplicada no presenta
las caractersticas del worst-case.
Algoritmos de aproximacin que son capaces de dar soluciones
muy cerca del ptimo
Otros Modos de Modelar. Otros Modos de Pensar
En el punto anterior se ha planteado una visin general de la
Programacin Matemtica entendida en un sentido restrictivo. A continuacin
se revisan algunas tcnicas diferentes en el fondo o en la forma. La lista, que
no es exhaustiva ni las agrupaciones consideradas son necesariamente
disjuntas, incluye las Teoras de Redes, de Colas y de Juegos, la Simulacin, la
Programacin Dinmica. No se consideran, aunque son tambin importantes,
modos de modelar como la Previsin (Companys, 1990), la Teora de Decisin
(White, 1972; Raiffa, 1970) o Teora de Juegos (Binmore, 1994), o
aplicaciones concretas como modelos de Inventario (Axster, 2000) o de
Reemplazo (Figuera y Figuera, 1979).
Hector Ivan Blanco Rodriguez (Director de curso)
Tutor ECBTI

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE

CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA
LECTURA RECONOCIMIENTO : 200608_TEORIA DE LAS DECISIONES

Teora de grafos. Segn Kauffman (Kauffman, 1972), la Teora de Redes

es una rama de la teora de conjuntos basada en los trabajos de Kning. En
aquel momento, era para el autor, la rama de la teora de conjuntos con ms
futuro. De hecho aporta una ayuda eficaz para modelar y resolver
determinados problemas de carcter combinatorio que aparecen en los ms
diversos dominios (Companys, 2003).
La teora de redes, o de grafos, incluye un modo de representar y un
soporte matemtico para resolver. El modo de representar es intuitivo en su
forma ms simple, por su relacin con la realidad fsica, de determinados tipos
de problemas. El soporte matemtico es especial para cada tipo de problema,
que suelen ser complejos problemas de combinatoria, permite resolverlo de
modo ms simple que al utilizar la Programacin Matemtica convencional. Es
relativamente sencillo traducir un modelo de red a un modelo de Programacin
Matemtica, es un poco ms complicado hacer la traduccin a la inversa. La
decisin sobre qu modo de modelar se debe utilizar, debe tomarla el
modelador teniendo en cuenta la necesidad de transmitir el modelo (donde la
teora de grafos es claramente superior), la disponibilidad de herramientas y la
realidad concreta a modelar.
En lneas generales se puede decir que los componentes bsicos de la
denominada Teora de Grafos son los vrtices (o nodos o puntos) y los arcos
que los unen. A un conjunto determinado de vrtices y arcos se le denomina
red. A partir de estos conceptos se desarrollan otros como camino, corte,
rbol, etc.
Algunos de los principales modelos que de este modo se plantean son:
los problemas de rbol mnimo, de camino mnimo, de flujo mximo o de
permutacin ptima. El poder reducir un problema real a un problema clsico
de grafos implica la posibilidad de conocer mtodos eficaces de resolucin,
para muchos de ellos (siempre dependiendo del tamao y la complejidad).
Algunos de los problemas de Gestin Industrial que se pueden abordar con
estos mtodos son la programacin de Proyectos, la Gestin de Inventarios,
Diseo de Rutas, Secuenciacin y Temporizacin, etc.
Programacin dinmica. Si antes se destacaba que el nombre de
Programacin Matemtica no era muy representativo de la propia tcnica, el de
Programacin Dinmica no lo mejora.
Cuando el nombre Programacin Matemtica haba adquirido cierto
auge, Bellman plante en la dcada de los 50 (del siglo XX) la herramienta
denominada Programacin Dinmica, a travs de su libro del mismo ttulo para
la resolucin de problemas de carcter secuencial (inicialmente econmicos
pero tambin fsicos y matemticos).
El fundamento de este procedimiento se encuentra en el principio de
optimalidad que Bellman enunci del siguiente modo:
Hector Ivan Blanco Rodriguez (Director de curso)
Tutor ECBTI

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE

CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA
LECTURA RECONOCIMIENTO : 200608_TEORIA DE LAS DECISIONES

Una poltica es ptima si en un periodo dado, cualesquiera que

sean las decisiones precedentes, las decisiones que queden por tomar
constituyen una poltica ptima teniendo en cuenta los resultados
precedentes
La Programacin Dinmica es un mtodo de optimizacin de los sistemas
o de su representacin matemtica, sobre la que se opera por fases o
secuencias (Kauffman, 1972).
El mtodo de resolucin denominado Programacin Dinmica consiste en
buscar las subpolticas ptimas que comprendan cada vez ms fases unitivas
(Denardo, 1982), hasta encontrar la, o las, polticas ptimas. En ciertos
problemas los clculos se vuelven mucho ms simples cuando se hace la
optimizacin en un cierto sentido privilegiado o a partir de cierta fase
(Companys, 2002).
Las variables utilizadas pueden ser discretas o continuas. Adems los
parmetros pueden ser deterministas o estocsticos. Cuando el futuro es
aleatorio (parmetros estocsticos), la optimizacin de la esperanza
matemtica del valor total slo puede llevarse a cabo en un sentido,
remontndose desde el futuro hacia el pasado (Kauffman, 1972).
Si al concepto de Programacin Dinmica se le une la consideracin de
los mtodos de Ramificacin y Corte, aparece el concepto de Programacin
Dinmica Acotada, por el cual se utilizan cotas en un esquema de
Programacin Dinmica, limitando el nmero de vrtices que se pueden
almacenar (Bautista, Companys, and Corominas, 1992)
Por las propias caractersticas de la aproximacin a la resolucin de
problemas de Programacin Dinmica (analizar el problema desde el final y
retroceder por el camino hacia el principio) se puede compartir la afirmacin de
que la Programacin Matemtica, adems de un modo de modelar es un
modo de vida.
Teora de colas. Se admite como inevitable la existencia de colas en los
sistemas en que las entradas y/o el servicio se producen a intervalos
irregulares. La teora de colas es un mtodo de modelado que describe el
comportamiento de las mismas. La primera aplicacin prctica de la que se
tiene constancia, y con la que se inicia la investigacin en este campo es el
trabajo de Erlang a principios del siglo XX.
Uno de los resultados ms conocidos de la teora de colas es la
denominada frmula de Little que relaciona la longitud de la cola con el tiempo
de espera y el ritmo de entrada al sistema.
Los resultados ms habituales de la teora de colas se refieren a
sistemas de una etapa con entradas y salidas siguiendo distribuciones
exponenciales. Sin embargo ms tiles en mltiples ocasiones son las redes de
Hector Ivan Blanco Rodriguez (Director de curso)
Tutor ECBTI

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE

CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA
LECTURA RECONOCIMIENTO : 200608_TEORIA DE LAS DECISIONES

colas con tiempos de los procesos no necesariamente exponenciales. Un

excelente resumen de la situacin actual de la teora de colas se puede
encontrar en (Gross, Shortle, Thomson, and Harris, 2008).
Los desarrollos en teora de colas han ido extendiendo sus soluciones
tanto para diferentes tipos de entradas como para redes de colas.
Es de destacar el especial inters que la teora de colas tiene en el
diseo de elementos estructurales de la denominada Nueva Economa
(servidores web, procesadores compartidos...)
Dinmica de sistemas. Se atribuye a Forrester el inicio del desarrollo de
la denominada Dinmica de Sistemas. Esta tiene su relacin directa con el
Enfoque de Sistemas visto en el apartado dedicado a los Fundamentos
Organizativos de la Organizacin de Empresas.
Forrester desarroll un conjunto de herramientas y una aproximacin a
la simulacin que se ha llegado a conocer como dinmica de sistemas,
mediante la cual se puede llegar a comprender como la estructura de un
sistema humano y sus polticas de control operan. Mostr tambin el valor que
tienen los modelos explcitos que combinan procesos de negocio y estructura
organizacional.
En (Pidd, 1996) se sugiere que el precursor de esta idea es Tustin que
en 1953 public un trabajo titulado El mecanismo de los sistemas
econmicos.
Las herramientas de la Dinmica de Sistemas pueden utilizarse de
diferentes maneras. La aproximacin bsica suministra una manera de
observar sistemas humanos, haciendo especial hincapi en la importancia de
algunos aspectos estructurales como el control por retroalimentacin. La
consideracin de esta circunstancia aporta interesantes resultados incluso sin
el uso de herramientas informticas. Otro modo de utilizar la dinmica de
sistemas es realizando simulaciones mediante ordenador, que permitan
entender mejor el funcionamiento de otro sistema. Por ltimo, la Dinmica de
Sistemas se puede utilizar para mejorar el diseo de un sistema, evaluando
mediante simulacin su comportamiento.
Simulacin. Asociada en ocasiones a la teora de colas y heredera de la
dinmica de sistemas se encuentra otra herramienta de los mtodos
cuantitativos como es la simulacin. El incremento de la capacidad de clculo
de los ordenadores, as como sus crecientes capacidades grficas hace que
esta ltima est experimentando una aplicacin creciente en el modelado de
flujos de materiales, e incluso de informacin.
Esta aplicacin creciente ha supuesto, en algunos casos, el abandono de
las herramientas analticas, que requiere un esfuerzo conceptual que
aparentemente la simulacin no requiere. Hay que destacar, en contra de esta
Hector Ivan Blanco Rodriguez (Director de curso)
Tutor ECBTI

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE

CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA
LECTURA RECONOCIMIENTO : 200608_TEORIA DE LAS DECISIONES

opinin que la simulacin bien aplicada exige un importante esfuerzo para

garantizar la validez de resultados. De hecho, dado que la simulacin es
comparable al anlisis por experimentos, al hacer una simulacin hay que
hacer frente a los mismos problemas que hay que afrontar cuando se hace
experimentacin convencional (incluyendo diseo experimental y anlisis
estadstico). De este modo el uso de la simulacin no reduce el esfuerzo a
realizar, sino que resuelve problemas que la teora de colas analtica no es
actualmente capaz de abordar (Gross y Harris, 1998).
Pero no slo la simulacin de eventos discretos est disponible (aunque
es con mucho la ms utilizada en el terreno prctico) sino que la simulacin
basada en agentes y/o la simulacin mediante Dinmica de Sistemas tienen su
importante utilidad al modelar otros conceptos.
Teora de juegos. Algunos problemas de toma de decisin se plantean
bajo la forma de un juego, donde se trata de tomar una o varias decisiones,
frente a uno o varios decisores cuyas reacciones a las decisiones tomadas se
conocen poco o nada. La teora de juegos trata de establecer como debiera
comportarse racionalmente un individuo ante la ignorancia del comportamiento
del adversario cuando se conocen las reglas de la competencia aceptadas por
los participantes (Kauffmann, 1972).
Para Kauffman (Kauffman, 1972), la teora de juegos se desarrolla a
partir de los trabajos de Borel (1921) aunque el crdito se suele asociar a Von
Neumann (1924). Desde luego el concepto ya haba preocupado en diferentes
formas a Kepler, Huyghens, Pascal, Fermat y Bernouilli entre otros.
Von Neumann y Morgenstern en su primera obra sobre Teora de
Juegos, investigaron dos planteamientos distintos: el estratgico o nocooperativo y el cooperativo. La complejidad del primer problema planteado
hizo que se limitaran a los juegos estrictamente competitivos o de suma nula,
donde los dos jugadores (slo dos) tienen intereses diametralmente opuestos.
La segunda parte (el juego cooperativo) an fue ms complejo y por tanto se
limitaron a clasificar los modelos de formacin de coaliciones (Binmore, 1994).
Nash (ao) afront dos de las barreras que Von Neumann y Morgenstern
se haban autoimpuesto. Sobre los juegos no-cooperativos estableci la idea
del equilibrio que aparece cuando la eleccin estratgica de cada jugador es la
respuesta ptima a las elecciones estratgicas de los otros jugadores, con lo
que no es necesario restringirse a los juegos de suma cero. Respecto a los
problemas cooperativos, Nash rompi con la idea de que los problemas de
negociacin son indeterminados y ofreci argumentos para determinarlos
(Binmore, 1994).
Actualmente la teora de juegos, lleva aparejado un aparato matemtico
cada vez ms complicado. En cualquier caso su modo de trabajo puede ser, y
es, de gran utilidad en el anlisis la toma de decisiones con la presencia de
otros decisores.
Hector Ivan Blanco Rodriguez (Director de curso)
Tutor ECBTI

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE

CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA
LECTURA RECONOCIMIENTO : 200608_TEORIA DE LAS DECISIONES

Bibliografa
Garca, J. & Maheut, J. (2011- 2012). Modelos y Mtodos de investigacin de
operaciones. Procedimientos para pensar. Recuperado de
http://personales.upv.es/jpgarcia/LinkedDocuments/modeladomatematico.pdf

Hector Ivan Blanco Rodriguez (Director de curso)

Tutor ECBTI