UPV



métodos cuantitativos


Publicada By  jpgarcia - docencia e investigación, métodos cuantitativos    

  1. No poner variables
  2. Poner expresiones no lineales.
  3. Confundir el concepto coste variable con el concepto variable.
  4. Que el objetivo sea un vector.
  5. Que en las restricciones las dos partes no sean coherentes entre sí y con el (para todo…) que define el domino.
  6. Que el objetivo contenga variables que no estén en las restricciones.
  7. Que el objetivo sea de minimizar costes y las restricciones no obliguen a producir/vender/consumir una cierta cantidad.
  8.  Que las restricciones no tengan definido el dominio de actuación
  9. Que el recorrido de los indices no esté declarado.
  10. Que el dominio de las variables no esté definido.
15 julio, 2012
 

Publicada By  jpgarcia - métodos cuantitativos    

En ocasiones lo que más miedo da en el momento de usar un software es empezar.

Para ello he hecho este vídeo que “acompaña” en la implementación de un primer modelo de programación lineal utilizando Gusek.

http://youtu.be/qH61L86Rce4

El vídeo intenta mostrar que el proceso de prueba-error, y el de copiar-pegar son los grandes aliados para comenzar (e incluso para continuar).

Instalar el Gusek es sencillo. Te lo descargas en http://sourceforge.net/projects/gusek/files/ y lo descomprimes en la carpeta que consideres (yo lo hago en c:/gusek).

Me dicen que la instalación sobre Mac es un poco diferente. Y me dicen:

“He encontrado unas instrucciones y un programita fácil para instalarlo, http://en.wikibooks.org/wiki/GLPK/Mac_OS_X_IDEs . “

Y supongo que en Linux también será un poco diferente.

8 febrero, 2012
 

Publicada By  jpgarcia - métodos cuantitativos    

En general cuando optimizamos damos por supuesto que conocemos los datos y que estos son ciertos.

Pero en general, hay una cierta “aleatoriedad” en muchos de los datos, que no pueden ser establecidos a priori”

Para ello surge la optimización estocástica, que pretende optimizar asumiendo que hay datos que desconocemos.

En general el objeto es tomar decisiones “aquí y ahora” con parámetros que corresponden a un futuro incierto.

Se denomina “recurso” a la capacidad de corregir la decisión tomada, una vez sepamos algo más. Si un sistema tiene “recursividad” es porque tiene al menos “dos etapas”. La primera permite jugar con todo el conjunto de variables, mientras que la segunda tiene algunos de ellos fijados. La función objetivo de la primera etapa tiene en cuenta los costes en los que se incurre por la incertidumbre, que será menor en la segunda etapa, una vez realizada (al menos parcialmente) la incertidumbre.

Un modo de resolver el problema de tomar decisiones es plantear todas las posibilidades para todos los escenarios, es simular qué ocurriría para cada escenario con múltiples soluciones y tomar la que nos convenga según nuestro nivel de riesgo asumible.

La optimización estocástica sin embargo, pretende que tomemos “ya” decisiones, incorporando entre la evaluación de las decisiones a tomar, cómo se comportarían ante diferentes realizaciones de la incertidumbre.

La optimización estocástica mediante programación lineal, es probablemente, el campo en el que las herramientas y métodos de resolución están más avanzados. Son interesantes estos  apuntes.

24 mayo, 2010
 

Universidad Politécnica de Valencia