Este documento describe la historia y desarrollo de los métodos cuantitativos e investigación operativa. Comienza con el origen de la investigación operativa en Inglaterra en 1939 y su aplicación en la industria en la década de 1950. Luego resume varios métodos cuantitativos clave como la programación lineal, programación dinámica, teoría de juegos y simulación, así como métodos heurísticos más recientes como algoritmos genéticos, búsqueda tabú y redes neuronales. Finalmente, describe el objetivo de ense

1. La IO nace en
Inglaterra a finales de
1939
Maximizar la
eficiencia
EEUU
fortalecía los
grupos
militares-
Inglaterra
trasladaban a la
sociedad civil
En Agosto de
1940 el Físico
P.M.S Balckett
de la
Universidad de
Manchester
dirigió un equipo
de estudio
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.
Programación
Lineal Entera no
recibe atención
hasta que Gomory
obtiene la
expresión general,
métodos limitados.
Estudios de IO.-
estructuración
estadística de los
datos-modelos
descriptivos de
tipo
probabilístico.
HISTORIA DE LOS
MÉTODOS
CUANTITATIVOS

2. 
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.

3.  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

4. 
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.

5. LA I.O. HA ESTABLECIDO

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.

6. 
• 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

7. 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

8. 
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
programació
n lineal en
general

9. MC de G

• Modelado de
situaciones en que
existen variables de
decisión,
implicaciones
lógicas o relaciones
PdRiOsyGuRntAivMasA.C
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
PROGRAMACI
ÓN 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

10. 
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

11. 
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.