SlideShare uma empresa Scribd logo
1 de 15
Baixar para ler offline
REPÚBLICA BOLIVARIANA DE VENEZUELA
INSTITUTO UNIVERSITARIO POLITECNICO
“SANTIAGO MARIÑO”
EXTENSION MARACAY
Autora: Ysmar Trujillo
Prof.: Ing. Ysabel Flores
Sección: SL
Maracay, Noviembre de 2016
Optimización de sistemas:
Un ejemplo de aplicación es en el
área de los sistemas, adaptando los
mismos para realizar sus tareas
eficientemente.
Optimización en las empresas:
Se busca la forma de mejorar los
recursos de una empresa para que
esta tenga mejores resultados
Conceptos Básicos
Optimización
Es una rama de las matemáticas
aplicadas que consiste en la recolección
de principios y métodos usados para
solucionar problemas cuantitativos,
obteniendo la mejor solución.
Conceptos Básicos
Ventajas de la optimización de procesos:
Tales como una organización de sus datos que permita y
apoye la toma de decisiones basado en la medición de los
recursos disponibles, incrementan su productividad y por
lo tanto, su competitividad, al mismo tiempo se facilita la
integración de la información de los distintos
departamentos para facilitar tanto la administración
como el monitoreo de recursos.
Formulación de un problema de
optimización
Los problemas de
optimización se componen
generalmente de tres
componentes:
1. Función objetivo.
2. Variables.
3. Restricciones.
Es una función lineal de varias variables:
f(x,y) = ax + by.
1. Función objetivo:
Puede cumplir con:
Maximización Minimización
Condición de parada Cuando en la fila Z no aparece ningún
valor negativo.
cuando en la fila Z no aparece ningún
valor positivo.
Condición de entrada El menor valor negativo en la fila Z
indica la variable Pj que entra a la
base.
El mayor valor positivo en la fila Z
indica la variable Pj que entra a la
base.
Condición de salida La variable que sale se determina
mediante el menor cociente P0/Pj de
los estrictamente positivos.
La variable que sale se determina
mediante el menor cociente P0/Pj de
los estrictamente negativos.
Formulación de un problema de
optimización
Son números reales mayores o iguales a cero.
Representan las decisiones que se pueden
tomar para afectar el valor de la función
objetivo.
2. Variables:
3. Restricciones:
Representan el conjunto de relaciones que
ciertas variables están obligadas a satisfacer.
Donde:
A = valor conocido a ser respetado estrictamente;
B = valor conocido que debe ser respetado o puede ser
superado;
C = valor conocido que no debe ser superado;
j = número de la ecuación, variable de 1 a M (número total
de restricciones);
a; b; y, c = coeficientes técnicos conocidos;
X = Incógnitas, de 1 a N;
i = número de la incógnita, variable de 1 a N.
Ejemplo de un de un problema de
optimización (programación lineal)
Métodos de Optimización
Son un conjunto de operaciones
ordenados y definidas para lograr
un fin determinado.
Tipos de Métodos:
El problema de decisión es: Determinístico (Cierto) Estocástico (Incierto)
Sencillo • Modelos de caso. • Análisis de decisiones.
Complejo • Modelos de programación lineal.
• Modelos de transporte o redes.
• Modelos de simulación.
Dinámico • Modelos de inventario.
• Modelos de Pert.
• Modelos de asignación .
• Programación dinámica.
• Modelos de inventario.
• Modelos de colas.
• Proceso de Markov.
• Programación dinámica.
Algunos son:
Métodos de Optimización
1. Problemas sencillos:
Al construir el modelo para el análisis hay que simplificar todos los problemas, si con este
se obtiene un número pequeño de factores o variables, y relativamente pocas alternativas.
Problemas de caso
(Determinístico)
Se analiza ensayando una serie de
casos con diversas alternativas o
distintas hipótesis.
Análisis de decisiones
(Estocástico)
Incorporan la aplicación de
probabilidades para tomar decisiones
en condiciones inciertas.
Métodos de Optimización
2. Problemas complejos:
Muchos problemas de decisión implican
gran número de factores o de variables
importantes, o pueden considerar
muchas alternativas.
Programación lineal
(Determinístico)
Solución óptima a un problema condicionado por
unas variables de partida sujetas a
ciertas restricciones.
Modelo de simulación
(Estocástico)
Es una técnica para modelizar sistemas
grandes y complejos que representan
incertidumbre.
Métodos de Optimización
3. Problemas dinámicos:
De decisión que comprenden un tipo de
complejidad especial.
Modelos de inventarios
Para determinar cuándo pedir y cuantas existencias
se deben almacenar. Existen muchos tipos:
Modelos de colas
Para problemas que implican las colas de espera.
concernientes a la operación de sistemas.
Métodos de Optimización
3. Problemas dinámicos
(métodos estocásticos):
Programación dinámica
Consisten en problemas dinámicos más generales.
Modelos de procesos Markov
Son útiles para estudiar la evolución
de ciertos sistemas a lo largo de
ensayos repetidos.
Ejemplo:
Probabilidad de que el día
permanezca, lluvioso, nubloso o
soleado:
Procedimiento general para resolver
un problema de optimización
Se realiza mediante modelos:
Modelo: Es un esquema
teórico (en forma
matemática) de un sistema
o de una realidad compleja,
elaborado para facilitar su
comprensión y el estudio de
su comportamiento.
Las etapas que componen el ciclo
de vida de un modelo son:
Modelo: Es un esquema
teórico (en forma
matemática) de un sistema
o de una realidad compleja,
elaborado para facilitar su
comprensión y el estudio de
su comportamiento.
Identificación del
problema
Especificación
matemática y
formulación
Resolución.
Verificación,
validación y
refinamiento
Interpretación y
análisis de los
resultados
Implantación,
documentación y
mantenimiento
Procedimiento general para resolver
un problema de optimización
1. Identificación del problema: 2. Especificación matemática
y formulación:
Recolección y análisis de
información relevante del
problema.
Intercambio de información entre
el modelador (desarrollador del
modelo) y el experto (conocedor
del problema).
Se interpretan frases precisas,
convirtiéndolas en ecuaciones
matemáticas.
Escritura matemática del
problema de optimización.
Se define: variables,
ecuaciones, función objetivo
y parámetros.
También, el tamaño del
problema, estructura de la
matriz de restricciones y tipo:
LP, MIP, NLP.
Procedimiento general para resolver
un problema de optimización
3. Resolución: 4. Verificación, validación y
refinamiento:
Implantar un algoritmo
de obtención de la
solución numérica.
El tiempo de resolución
puede depender de su
formulación.
La solución optima debe
ser satisfactoria, siendo
una guía para el experto.
Depurar: eliminación de
errores.
Verificar: que el modelo haga lo
especificado en la etapa
anterior mediante su escritura
en un lenguaje informático.
Validar: comprobar validez
mediante resultados obtenidos,
también, comparando con
situaciones reales ocurridas.
Procedimiento general para resolver
un problema de optimización
5. Interpretación y análisis de
los resultados:
6. Implantación,
documentación y
mantenimiento:
Proponer soluciones.
Permite conocer el comportamiento del
modelo mediante:
•Análisis de sensibilidad en los parámetros de entrada.
•Estudiar diferentes escenarios de los parámetros.
•Detectar soluciones alternativas.
•Comprobar la robustez de la solución optima.
Entregar un manual de usuario,
incluyendo la especificación
técnica funcional, matemática e
informática.
Igualmente, tener un código
bien documentado para facilitar
el mantenimiento.
Finalmente, la formación para
los usuarios del modelo.

Mais conteúdo relacionado

Mais procurados

Programacion dinamica
Programacion dinamicaProgramacion dinamica
Programacion dinamicanarlyn diaz
 
Metodos de Programacion no lineal
Metodos de Programacion no linealMetodos de Programacion no lineal
Metodos de Programacion no linealluisatero
 
Métodos numéricos método de la secante
Métodos numéricos   método de la secanteMétodos numéricos   método de la secante
Métodos numéricos método de la secanteHELIMARIANO1
 
Investigación de operaciones. t
Investigación de operaciones. tInvestigación de operaciones. t
Investigación de operaciones. tJohnny A Velazquez
 
Teoría de optimización
Teoría de optimizaciónTeoría de optimización
Teoría de optimizaciónAngel Jhoan
 
Programacion Lineal
Programacion LinealProgramacion Lineal
Programacion Linealmarciams
 
Optimización de Sistemas y Funciones (Conceptos Básicos)
Optimización de Sistemas y Funciones (Conceptos Básicos)Optimización de Sistemas y Funciones (Conceptos Básicos)
Optimización de Sistemas y Funciones (Conceptos Básicos)michaelvitriago
 
Presentacion Optimización
Presentacion Optimización Presentacion Optimización
Presentacion Optimización Carlos Corredor
 
Teoria de Optimizacion
Teoria de  OptimizacionTeoria de  Optimizacion
Teoria de Optimizacionrebeca ferrer
 
Programación lineal
Programación linealProgramación lineal
Programación linealFabiMalik
 
Mapa conceptual de investigación de operaciones I
Mapa conceptual de investigación de operaciones IMapa conceptual de investigación de operaciones I
Mapa conceptual de investigación de operaciones IGeo Tribiño
 
Metodo simplex metodo grafico .raiza
Metodo simplex metodo grafico .raizaMetodo simplex metodo grafico .raiza
Metodo simplex metodo grafico .raizanellysamor
 
Variantes Del Metodo Simplex
Variantes Del Metodo SimplexVariantes Del Metodo Simplex
Variantes Del Metodo Simplexguestb9bf58
 
Introducción a la optimización
Introducción a la optimizaciónIntroducción a la optimización
Introducción a la optimizaciónJorge Pong Ng Chong
 

Mais procurados (20)

Programacion dinamica
Programacion dinamicaProgramacion dinamica
Programacion dinamica
 
Investigción de Operaciones: Programación Lineal
Investigción de Operaciones: Programación LinealInvestigción de Operaciones: Programación Lineal
Investigción de Operaciones: Programación Lineal
 
Metodos de Programacion no lineal
Metodos de Programacion no linealMetodos de Programacion no lineal
Metodos de Programacion no lineal
 
Métodos numéricos método de la secante
Métodos numéricos   método de la secanteMétodos numéricos   método de la secante
Métodos numéricos método de la secante
 
Programación dinámica
Programación  dinámicaProgramación  dinámica
Programación dinámica
 
Investigación de operaciones. t
Investigación de operaciones. tInvestigación de operaciones. t
Investigación de operaciones. t
 
Teoría de optimización
Teoría de optimizaciónTeoría de optimización
Teoría de optimización
 
Programacion Lineal
Programacion LinealProgramacion Lineal
Programacion Lineal
 
Optimización de Sistemas y Funciones (Conceptos Básicos)
Optimización de Sistemas y Funciones (Conceptos Básicos)Optimización de Sistemas y Funciones (Conceptos Básicos)
Optimización de Sistemas y Funciones (Conceptos Básicos)
 
Unidad 2. El método simplex
Unidad 2. El método simplexUnidad 2. El método simplex
Unidad 2. El método simplex
 
Optimizacion
OptimizacionOptimizacion
Optimizacion
 
Presentacion Optimización
Presentacion Optimización Presentacion Optimización
Presentacion Optimización
 
Teoria de Optimizacion
Teoria de  OptimizacionTeoria de  Optimizacion
Teoria de Optimizacion
 
Programación lineal
Programación linealProgramación lineal
Programación lineal
 
Mapa conceptual de investigación de operaciones I
Mapa conceptual de investigación de operaciones IMapa conceptual de investigación de operaciones I
Mapa conceptual de investigación de operaciones I
 
Metodo simplex metodo grafico .raiza
Metodo simplex metodo grafico .raizaMetodo simplex metodo grafico .raiza
Metodo simplex metodo grafico .raiza
 
programacion lineal
 programacion lineal programacion lineal
programacion lineal
 
Variantes Del Metodo Simplex
Variantes Del Metodo SimplexVariantes Del Metodo Simplex
Variantes Del Metodo Simplex
 
Metodo simplex
Metodo simplexMetodo simplex
Metodo simplex
 
Introducción a la optimización
Introducción a la optimizaciónIntroducción a la optimización
Introducción a la optimización
 

Destaque

Presentación optimizacion de sistema
Presentación optimizacion de sistemaPresentación optimizacion de sistema
Presentación optimizacion de sistemaDiRossalez
 
Optimizacion Osvelis Ruiz
Optimizacion Osvelis RuizOptimizacion Osvelis Ruiz
Optimizacion Osvelis RuizOsvelis Ruiz
 
Trabajo de redes sociales milton
Trabajo de redes sociales miltonTrabajo de redes sociales milton
Trabajo de redes sociales miltonmhrecinos
 
SciLab -Tutorial
SciLab -TutorialSciLab -Tutorial
SciLab -Tutorialblogmaxima
 
Metodo de la secante en scilab
Metodo de la secante en scilabMetodo de la secante en scilab
Metodo de la secante en scilabTensor
 
Método de gauss siedel
Método de gauss siedelMétodo de gauss siedel
Método de gauss siedelTensor
 
Optimización de sistemas y funciones
Optimización de sistemas y funcionesOptimización de sistemas y funciones
Optimización de sistemas y funcionesAnni Pineda
 
Condiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrangeCondiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrangeAlbrtoo Vsqz
 
Optimización de sistemas y funciones
Optimización de sistemas y funcionesOptimización de sistemas y funciones
Optimización de sistemas y funcionesjosealexanderlopez
 
Métodos de optimizacion
Métodos de optimizacionMétodos de optimizacion
Métodos de optimizacionSaid Mora
 
Numerical on bisection method
Numerical on bisection methodNumerical on bisection method
Numerical on bisection methodSumita Das
 
Fundamentos de programación en scilab
Fundamentos de programación en scilabFundamentos de programación en scilab
Fundamentos de programación en scilabGabriel Romero
 
Optimización de sistemas. Gerardo Caolo
Optimización de sistemas. Gerardo CaoloOptimización de sistemas. Gerardo Caolo
Optimización de sistemas. Gerardo CaoloGenesis Chacin Esteves
 
Resolucion ejercicios scilab
Resolucion ejercicios scilabResolucion ejercicios scilab
Resolucion ejercicios scilabDavid Castro
 

Destaque (17)

Presentación optimizacion de sistema
Presentación optimizacion de sistemaPresentación optimizacion de sistema
Presentación optimizacion de sistema
 
Optimizacion Osvelis Ruiz
Optimizacion Osvelis RuizOptimizacion Osvelis Ruiz
Optimizacion Osvelis Ruiz
 
Trabajo de redes sociales milton
Trabajo de redes sociales miltonTrabajo de redes sociales milton
Trabajo de redes sociales milton
 
SciLab -Tutorial
SciLab -TutorialSciLab -Tutorial
SciLab -Tutorial
 
Metodo de la secante en scilab
Metodo de la secante en scilabMetodo de la secante en scilab
Metodo de la secante en scilab
 
Método de gauss siedel
Método de gauss siedelMétodo de gauss siedel
Método de gauss siedel
 
Optimización de sistemas y funciones
Optimización de sistemas y funcionesOptimización de sistemas y funciones
Optimización de sistemas y funciones
 
Condiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrangeCondiciones kuhn tucker y lagrange
Condiciones kuhn tucker y lagrange
 
Optimización de sistemas y funciones
Optimización de sistemas y funcionesOptimización de sistemas y funciones
Optimización de sistemas y funciones
 
Matlab code for secant method
Matlab code for secant methodMatlab code for secant method
Matlab code for secant method
 
Manual Scilab
Manual ScilabManual Scilab
Manual Scilab
 
Métodos de optimizacion
Métodos de optimizacionMétodos de optimizacion
Métodos de optimizacion
 
Numerical on bisection method
Numerical on bisection methodNumerical on bisection method
Numerical on bisection method
 
scilab
scilabscilab
scilab
 
Fundamentos de programación en scilab
Fundamentos de programación en scilabFundamentos de programación en scilab
Fundamentos de programación en scilab
 
Optimización de sistemas. Gerardo Caolo
Optimización de sistemas. Gerardo CaoloOptimización de sistemas. Gerardo Caolo
Optimización de sistemas. Gerardo Caolo
 
Resolucion ejercicios scilab
Resolucion ejercicios scilabResolucion ejercicios scilab
Resolucion ejercicios scilab
 

Semelhante a Optimizacion de Sistemas y Funciones

formulación de modelos de pl 04.10.17
 formulación de modelos de pl 04.10.17 formulación de modelos de pl 04.10.17
formulación de modelos de pl 04.10.17jhoselyn jara
 
Unidad 1. Metodología de la investigación de operaciones y formulación de mod...
Unidad 1. Metodología de la investigación de operaciones y formulación de mod...Unidad 1. Metodología de la investigación de operaciones y formulación de mod...
Unidad 1. Metodología de la investigación de operaciones y formulación de mod...Universidad del golfo de México Norte
 
Javierperez teoría de la optimización
Javierperez teoría de la optimizaciónJavierperez teoría de la optimización
Javierperez teoría de la optimizaciónRobin Duben
 
Unidad iv sistemas mecanizados ii
Unidad iv sistemas mecanizados iiUnidad iv sistemas mecanizados ii
Unidad iv sistemas mecanizados iinestorgarcia250
 
Unidad iv sistemas mecanizados ii
Unidad iv sistemas mecanizados iiUnidad iv sistemas mecanizados ii
Unidad iv sistemas mecanizados iinestorgarcia250
 
INVESTIGACIÓN DE OPERACIONES
INVESTIGACIÓN DE OPERACIONESINVESTIGACIÓN DE OPERACIONES
INVESTIGACIÓN DE OPERACIONESSofylutqm
 
Optimizacion Angel Peña
Optimizacion Angel PeñaOptimizacion Angel Peña
Optimizacion Angel PeñaAngel Peña
 
Optimización norfreidys suarez
Optimización norfreidys suarezOptimización norfreidys suarez
Optimización norfreidys suarezNorfreidys Suarez
 
Tema 1. introducción a la inv. operaciones y modelación
Tema 1. introducción a la inv. operaciones  y modelaciónTema 1. introducción a la inv. operaciones  y modelación
Tema 1. introducción a la inv. operaciones y modelaciónSistemadeEstudiosMed
 
Optimizacion presentacion Victorherrera
Optimizacion presentacion VictorherreraOptimizacion presentacion Victorherrera
Optimizacion presentacion VictorherreraVictor Herrera Prado
 
Investigacion de operaciones
Investigacion de operacionesInvestigacion de operaciones
Investigacion de operacionesmaria_hm
 
Yisbegarcia
YisbegarciaYisbegarcia
YisbegarciaYisbeG
 
Teoria de optimizacion by. manuel rivas
Teoria de optimizacion by. manuel rivasTeoria de optimizacion by. manuel rivas
Teoria de optimizacion by. manuel rivasmanuelrivasv95
 
guia-unidad-1-teoria-clasica-de-optimizacion (7).docx
guia-unidad-1-teoria-clasica-de-optimizacion (7).docxguia-unidad-1-teoria-clasica-de-optimizacion (7).docx
guia-unidad-1-teoria-clasica-de-optimizacion (7).docxcirov176
 
Yisbegarcia
YisbegarciaYisbegarcia
YisbegarciaYisbeG
 

Semelhante a Optimizacion de Sistemas y Funciones (20)

formulación de modelos de pl 04.10.17
 formulación de modelos de pl 04.10.17 formulación de modelos de pl 04.10.17
formulación de modelos de pl 04.10.17
 
Unidad 1
Unidad 1Unidad 1
Unidad 1
 
Unidad 1. Metodología de la investigación de operaciones y formulación de mod...
Unidad 1. Metodología de la investigación de operaciones y formulación de mod...Unidad 1. Metodología de la investigación de operaciones y formulación de mod...
Unidad 1. Metodología de la investigación de operaciones y formulación de mod...
 
Informe - Investigacion de Operaciones
Informe - Investigacion de OperacionesInforme - Investigacion de Operaciones
Informe - Investigacion de Operaciones
 
Aza
AzaAza
Aza
 
Javierperez teoría de la optimización
Javierperez teoría de la optimizaciónJavierperez teoría de la optimización
Javierperez teoría de la optimización
 
Unidad iv sistemas mecanizados ii
Unidad iv sistemas mecanizados iiUnidad iv sistemas mecanizados ii
Unidad iv sistemas mecanizados ii
 
Unidad iv sistemas mecanizados ii
Unidad iv sistemas mecanizados iiUnidad iv sistemas mecanizados ii
Unidad iv sistemas mecanizados ii
 
INVESTIGACIÓN DE OPERACIONES
INVESTIGACIÓN DE OPERACIONESINVESTIGACIÓN DE OPERACIONES
INVESTIGACIÓN DE OPERACIONES
 
Optimizacion Angel Peña
Optimizacion Angel PeñaOptimizacion Angel Peña
Optimizacion Angel Peña
 
Optimización norfreidys suarez
Optimización norfreidys suarezOptimización norfreidys suarez
Optimización norfreidys suarez
 
Tema 1. introducción a la inv. operaciones y modelación
Tema 1. introducción a la inv. operaciones  y modelaciónTema 1. introducción a la inv. operaciones  y modelación
Tema 1. introducción a la inv. operaciones y modelación
 
Optimizacion presentacion Victorherrera
Optimizacion presentacion VictorherreraOptimizacion presentacion Victorherrera
Optimizacion presentacion Victorherrera
 
Investigacion de operaciones
Investigacion de operacionesInvestigacion de operaciones
Investigacion de operaciones
 
Yisbegarcia
YisbegarciaYisbegarcia
Yisbegarcia
 
Teoria de optimizacion by. manuel rivas
Teoria de optimizacion by. manuel rivasTeoria de optimizacion by. manuel rivas
Teoria de optimizacion by. manuel rivas
 
guia-unidad-1-teoria-clasica-de-optimizacion (7).docx
guia-unidad-1-teoria-clasica-de-optimizacion (7).docxguia-unidad-1-teoria-clasica-de-optimizacion (7).docx
guia-unidad-1-teoria-clasica-de-optimizacion (7).docx
 
Yisbegarcia
YisbegarciaYisbegarcia
Yisbegarcia
 
Optimizacion de s y f
Optimizacion de s y fOptimizacion de s y f
Optimizacion de s y f
 
investigacion-de-operaciones-1
investigacion-de-operaciones-1investigacion-de-operaciones-1
investigacion-de-operaciones-1
 

Último

analisis matematico 2 elon lages lima .pdf
analisis matematico 2 elon lages lima .pdfanalisis matematico 2 elon lages lima .pdf
analisis matematico 2 elon lages lima .pdfJOHELSANCHEZINCA
 
Modulo 4 - Monitoreo Hidrobiológico de monitoreo ambiental
Modulo 4 - Monitoreo Hidrobiológico de monitoreo ambientalModulo 4 - Monitoreo Hidrobiológico de monitoreo ambiental
Modulo 4 - Monitoreo Hidrobiológico de monitoreo ambientalAcountsStore1
 
aplicacion-del-metodo-cientifico-de-roberto-hernandez-carlos-fernandez-y-pila...
aplicacion-del-metodo-cientifico-de-roberto-hernandez-carlos-fernandez-y-pila...aplicacion-del-metodo-cientifico-de-roberto-hernandez-carlos-fernandez-y-pila...
aplicacion-del-metodo-cientifico-de-roberto-hernandez-carlos-fernandez-y-pila...AmeliaJul
 
Diseño de Algoritmos Paralelos con la maestra Rina
Diseño de Algoritmos Paralelos con la maestra RinaDiseño de Algoritmos Paralelos con la maestra Rina
Diseño de Algoritmos Paralelos con la maestra RinaLuisAlfredoPascualPo
 
Mecánica vectorial para ingenieros estática. Beer - Johnston. 11 Ed.pdf
Mecánica vectorial para ingenieros estática. Beer - Johnston. 11 Ed.pdfMecánica vectorial para ingenieros estática. Beer - Johnston. 11 Ed.pdf
Mecánica vectorial para ingenieros estática. Beer - Johnston. 11 Ed.pdfaaaaaaaaaaaaaaaaa
 
IA T3 Elaboración e interpretación de planos.pptx
IA T3 Elaboración e interpretación de planos.pptxIA T3 Elaboración e interpretación de planos.pptx
IA T3 Elaboración e interpretación de planos.pptxcecymendozaitnl
 
TAREA 1 - Parada de Planta compresoras de gas
TAREA 1 - Parada de Planta compresoras de gasTAREA 1 - Parada de Planta compresoras de gas
TAREA 1 - Parada de Planta compresoras de gasroberto264045
 
Poder puedo, pero no lo haré - T3chfest
Poder puedo, pero no lo haré - T3chfestPoder puedo, pero no lo haré - T3chfest
Poder puedo, pero no lo haré - T3chfestSilvia España Gil
 
PPT_Conferencia OBRAS PUBLICAS x ADMNISTRACION DIRECTA.pdf
PPT_Conferencia OBRAS PUBLICAS x ADMNISTRACION DIRECTA.pdfPPT_Conferencia OBRAS PUBLICAS x ADMNISTRACION DIRECTA.pdf
PPT_Conferencia OBRAS PUBLICAS x ADMNISTRACION DIRECTA.pdfANGHELO JJ. MITMA HUAMANÌ
 
concreto pretensado y postensado- reseña historica
concreto pretensado y postensado- reseña historicaconcreto pretensado y postensado- reseña historica
concreto pretensado y postensado- reseña historicaamira520031
 
CV_SOTO_SAUL 30-01-2024 (1) arquitecto.pdf
CV_SOTO_SAUL 30-01-2024  (1) arquitecto.pdfCV_SOTO_SAUL 30-01-2024  (1) arquitecto.pdf
CV_SOTO_SAUL 30-01-2024 (1) arquitecto.pdfsd3700445
 
Principios de Circuitos Eléctricos (Thomas L. Floyd) (Z-Library).pdf
Principios de Circuitos Eléctricos (Thomas L. Floyd) (Z-Library).pdfPrincipios de Circuitos Eléctricos (Thomas L. Floyd) (Z-Library).pdf
Principios de Circuitos Eléctricos (Thomas L. Floyd) (Z-Library).pdfYADIRAXIMENARIASCOSV
 
Método inductivo.pdf-lizzeh cuellar cardenas
Método inductivo.pdf-lizzeh cuellar cardenasMétodo inductivo.pdf-lizzeh cuellar cardenas
Método inductivo.pdf-lizzeh cuellar cardenas182136
 
Presentación de Ciencia, Cultura y Progreso.pptx
Presentación de Ciencia, Cultura y Progreso.pptxPresentación de Ciencia, Cultura y Progreso.pptx
Presentación de Ciencia, Cultura y Progreso.pptxwilliam atao contreras
 
Fundamentos - Curso Desarrollo Web (HTML, JS, PHP, JS, SQL)
Fundamentos - Curso Desarrollo Web (HTML, JS, PHP, JS, SQL)Fundamentos - Curso Desarrollo Web (HTML, JS, PHP, JS, SQL)
Fundamentos - Curso Desarrollo Web (HTML, JS, PHP, JS, SQL)EmanuelMuoz11
 
BROCHURE EDIFICIO MULTIFAMILIAR LIMA. PERU
BROCHURE EDIFICIO MULTIFAMILIAR LIMA. PERUBROCHURE EDIFICIO MULTIFAMILIAR LIMA. PERU
BROCHURE EDIFICIO MULTIFAMILIAR LIMA. PERUSharonRojas28
 
Cuadro de las web 1.0, 2.0 y 3.0 pptx
Cuadro de las web 1.0, 2.0 y 3.0     pptxCuadro de las web 1.0, 2.0 y 3.0     pptx
Cuadro de las web 1.0, 2.0 y 3.0 pptxecarmariahurtado
 
gabriela marcano estructura iii historia del concreto
gabriela marcano  estructura iii historia del concretogabriela marcano  estructura iii historia del concreto
gabriela marcano estructura iii historia del concretoGabrielaMarcano12
 
Modulo 5 - Monitoreo de Ruido Ambiental de monitoreo ambiental
Modulo 5 - Monitoreo de Ruido Ambiental de monitoreo ambientalModulo 5 - Monitoreo de Ruido Ambiental de monitoreo ambiental
Modulo 5 - Monitoreo de Ruido Ambiental de monitoreo ambientalAcountsStore1
 
CALCULISTA AGUA POTABLE ALCANTARILLADO RURAL CURACAVÍ
CALCULISTA AGUA POTABLE ALCANTARILLADO RURAL CURACAVÍCALCULISTA AGUA POTABLE ALCANTARILLADO RURAL CURACAVÍ
CALCULISTA AGUA POTABLE ALCANTARILLADO RURAL CURACAVÍArquitecto Chile
 

Último (20)

analisis matematico 2 elon lages lima .pdf
analisis matematico 2 elon lages lima .pdfanalisis matematico 2 elon lages lima .pdf
analisis matematico 2 elon lages lima .pdf
 
Modulo 4 - Monitoreo Hidrobiológico de monitoreo ambiental
Modulo 4 - Monitoreo Hidrobiológico de monitoreo ambientalModulo 4 - Monitoreo Hidrobiológico de monitoreo ambiental
Modulo 4 - Monitoreo Hidrobiológico de monitoreo ambiental
 
aplicacion-del-metodo-cientifico-de-roberto-hernandez-carlos-fernandez-y-pila...
aplicacion-del-metodo-cientifico-de-roberto-hernandez-carlos-fernandez-y-pila...aplicacion-del-metodo-cientifico-de-roberto-hernandez-carlos-fernandez-y-pila...
aplicacion-del-metodo-cientifico-de-roberto-hernandez-carlos-fernandez-y-pila...
 
Diseño de Algoritmos Paralelos con la maestra Rina
Diseño de Algoritmos Paralelos con la maestra RinaDiseño de Algoritmos Paralelos con la maestra Rina
Diseño de Algoritmos Paralelos con la maestra Rina
 
Mecánica vectorial para ingenieros estática. Beer - Johnston. 11 Ed.pdf
Mecánica vectorial para ingenieros estática. Beer - Johnston. 11 Ed.pdfMecánica vectorial para ingenieros estática. Beer - Johnston. 11 Ed.pdf
Mecánica vectorial para ingenieros estática. Beer - Johnston. 11 Ed.pdf
 
IA T3 Elaboración e interpretación de planos.pptx
IA T3 Elaboración e interpretación de planos.pptxIA T3 Elaboración e interpretación de planos.pptx
IA T3 Elaboración e interpretación de planos.pptx
 
TAREA 1 - Parada de Planta compresoras de gas
TAREA 1 - Parada de Planta compresoras de gasTAREA 1 - Parada de Planta compresoras de gas
TAREA 1 - Parada de Planta compresoras de gas
 
Poder puedo, pero no lo haré - T3chfest
Poder puedo, pero no lo haré - T3chfestPoder puedo, pero no lo haré - T3chfest
Poder puedo, pero no lo haré - T3chfest
 
PPT_Conferencia OBRAS PUBLICAS x ADMNISTRACION DIRECTA.pdf
PPT_Conferencia OBRAS PUBLICAS x ADMNISTRACION DIRECTA.pdfPPT_Conferencia OBRAS PUBLICAS x ADMNISTRACION DIRECTA.pdf
PPT_Conferencia OBRAS PUBLICAS x ADMNISTRACION DIRECTA.pdf
 
concreto pretensado y postensado- reseña historica
concreto pretensado y postensado- reseña historicaconcreto pretensado y postensado- reseña historica
concreto pretensado y postensado- reseña historica
 
CV_SOTO_SAUL 30-01-2024 (1) arquitecto.pdf
CV_SOTO_SAUL 30-01-2024  (1) arquitecto.pdfCV_SOTO_SAUL 30-01-2024  (1) arquitecto.pdf
CV_SOTO_SAUL 30-01-2024 (1) arquitecto.pdf
 
Principios de Circuitos Eléctricos (Thomas L. Floyd) (Z-Library).pdf
Principios de Circuitos Eléctricos (Thomas L. Floyd) (Z-Library).pdfPrincipios de Circuitos Eléctricos (Thomas L. Floyd) (Z-Library).pdf
Principios de Circuitos Eléctricos (Thomas L. Floyd) (Z-Library).pdf
 
Método inductivo.pdf-lizzeh cuellar cardenas
Método inductivo.pdf-lizzeh cuellar cardenasMétodo inductivo.pdf-lizzeh cuellar cardenas
Método inductivo.pdf-lizzeh cuellar cardenas
 
Presentación de Ciencia, Cultura y Progreso.pptx
Presentación de Ciencia, Cultura y Progreso.pptxPresentación de Ciencia, Cultura y Progreso.pptx
Presentación de Ciencia, Cultura y Progreso.pptx
 
Fundamentos - Curso Desarrollo Web (HTML, JS, PHP, JS, SQL)
Fundamentos - Curso Desarrollo Web (HTML, JS, PHP, JS, SQL)Fundamentos - Curso Desarrollo Web (HTML, JS, PHP, JS, SQL)
Fundamentos - Curso Desarrollo Web (HTML, JS, PHP, JS, SQL)
 
BROCHURE EDIFICIO MULTIFAMILIAR LIMA. PERU
BROCHURE EDIFICIO MULTIFAMILIAR LIMA. PERUBROCHURE EDIFICIO MULTIFAMILIAR LIMA. PERU
BROCHURE EDIFICIO MULTIFAMILIAR LIMA. PERU
 
Cuadro de las web 1.0, 2.0 y 3.0 pptx
Cuadro de las web 1.0, 2.0 y 3.0     pptxCuadro de las web 1.0, 2.0 y 3.0     pptx
Cuadro de las web 1.0, 2.0 y 3.0 pptx
 
gabriela marcano estructura iii historia del concreto
gabriela marcano  estructura iii historia del concretogabriela marcano  estructura iii historia del concreto
gabriela marcano estructura iii historia del concreto
 
Modulo 5 - Monitoreo de Ruido Ambiental de monitoreo ambiental
Modulo 5 - Monitoreo de Ruido Ambiental de monitoreo ambientalModulo 5 - Monitoreo de Ruido Ambiental de monitoreo ambiental
Modulo 5 - Monitoreo de Ruido Ambiental de monitoreo ambiental
 
CALCULISTA AGUA POTABLE ALCANTARILLADO RURAL CURACAVÍ
CALCULISTA AGUA POTABLE ALCANTARILLADO RURAL CURACAVÍCALCULISTA AGUA POTABLE ALCANTARILLADO RURAL CURACAVÍ
CALCULISTA AGUA POTABLE ALCANTARILLADO RURAL CURACAVÍ
 

Optimizacion de Sistemas y Funciones

  • 1. REPÚBLICA BOLIVARIANA DE VENEZUELA INSTITUTO UNIVERSITARIO POLITECNICO “SANTIAGO MARIÑO” EXTENSION MARACAY Autora: Ysmar Trujillo Prof.: Ing. Ysabel Flores Sección: SL Maracay, Noviembre de 2016
  • 2. Optimización de sistemas: Un ejemplo de aplicación es en el área de los sistemas, adaptando los mismos para realizar sus tareas eficientemente. Optimización en las empresas: Se busca la forma de mejorar los recursos de una empresa para que esta tenga mejores resultados Conceptos Básicos Optimización Es una rama de las matemáticas aplicadas que consiste en la recolección de principios y métodos usados para solucionar problemas cuantitativos, obteniendo la mejor solución.
  • 3. Conceptos Básicos Ventajas de la optimización de procesos: Tales como una organización de sus datos que permita y apoye la toma de decisiones basado en la medición de los recursos disponibles, incrementan su productividad y por lo tanto, su competitividad, al mismo tiempo se facilita la integración de la información de los distintos departamentos para facilitar tanto la administración como el monitoreo de recursos.
  • 4. Formulación de un problema de optimización Los problemas de optimización se componen generalmente de tres componentes: 1. Función objetivo. 2. Variables. 3. Restricciones. Es una función lineal de varias variables: f(x,y) = ax + by. 1. Función objetivo: Puede cumplir con: Maximización Minimización Condición de parada Cuando en la fila Z no aparece ningún valor negativo. cuando en la fila Z no aparece ningún valor positivo. Condición de entrada El menor valor negativo en la fila Z indica la variable Pj que entra a la base. El mayor valor positivo en la fila Z indica la variable Pj que entra a la base. Condición de salida La variable que sale se determina mediante el menor cociente P0/Pj de los estrictamente positivos. La variable que sale se determina mediante el menor cociente P0/Pj de los estrictamente negativos.
  • 5. Formulación de un problema de optimización Son números reales mayores o iguales a cero. Representan las decisiones que se pueden tomar para afectar el valor de la función objetivo. 2. Variables: 3. Restricciones: Representan el conjunto de relaciones que ciertas variables están obligadas a satisfacer. Donde: A = valor conocido a ser respetado estrictamente; B = valor conocido que debe ser respetado o puede ser superado; C = valor conocido que no debe ser superado; j = número de la ecuación, variable de 1 a M (número total de restricciones); a; b; y, c = coeficientes técnicos conocidos; X = Incógnitas, de 1 a N; i = número de la incógnita, variable de 1 a N.
  • 6. Ejemplo de un de un problema de optimización (programación lineal)
  • 7. Métodos de Optimización Son un conjunto de operaciones ordenados y definidas para lograr un fin determinado. Tipos de Métodos: El problema de decisión es: Determinístico (Cierto) Estocástico (Incierto) Sencillo • Modelos de caso. • Análisis de decisiones. Complejo • Modelos de programación lineal. • Modelos de transporte o redes. • Modelos de simulación. Dinámico • Modelos de inventario. • Modelos de Pert. • Modelos de asignación . • Programación dinámica. • Modelos de inventario. • Modelos de colas. • Proceso de Markov. • Programación dinámica. Algunos son:
  • 8. Métodos de Optimización 1. Problemas sencillos: Al construir el modelo para el análisis hay que simplificar todos los problemas, si con este se obtiene un número pequeño de factores o variables, y relativamente pocas alternativas. Problemas de caso (Determinístico) Se analiza ensayando una serie de casos con diversas alternativas o distintas hipótesis. Análisis de decisiones (Estocástico) Incorporan la aplicación de probabilidades para tomar decisiones en condiciones inciertas.
  • 9. Métodos de Optimización 2. Problemas complejos: Muchos problemas de decisión implican gran número de factores o de variables importantes, o pueden considerar muchas alternativas. Programación lineal (Determinístico) Solución óptima a un problema condicionado por unas variables de partida sujetas a ciertas restricciones. Modelo de simulación (Estocástico) Es una técnica para modelizar sistemas grandes y complejos que representan incertidumbre.
  • 10. Métodos de Optimización 3. Problemas dinámicos: De decisión que comprenden un tipo de complejidad especial. Modelos de inventarios Para determinar cuándo pedir y cuantas existencias se deben almacenar. Existen muchos tipos: Modelos de colas Para problemas que implican las colas de espera. concernientes a la operación de sistemas.
  • 11. Métodos de Optimización 3. Problemas dinámicos (métodos estocásticos): Programación dinámica Consisten en problemas dinámicos más generales. Modelos de procesos Markov Son útiles para estudiar la evolución de ciertos sistemas a lo largo de ensayos repetidos. Ejemplo: Probabilidad de que el día permanezca, lluvioso, nubloso o soleado:
  • 12. Procedimiento general para resolver un problema de optimización Se realiza mediante modelos: Modelo: Es un esquema teórico (en forma matemática) de un sistema o de una realidad compleja, elaborado para facilitar su comprensión y el estudio de su comportamiento. Las etapas que componen el ciclo de vida de un modelo son: Modelo: Es un esquema teórico (en forma matemática) de un sistema o de una realidad compleja, elaborado para facilitar su comprensión y el estudio de su comportamiento. Identificación del problema Especificación matemática y formulación Resolución. Verificación, validación y refinamiento Interpretación y análisis de los resultados Implantación, documentación y mantenimiento
  • 13. Procedimiento general para resolver un problema de optimización 1. Identificación del problema: 2. Especificación matemática y formulación: Recolección y análisis de información relevante del problema. Intercambio de información entre el modelador (desarrollador del modelo) y el experto (conocedor del problema). Se interpretan frases precisas, convirtiéndolas en ecuaciones matemáticas. Escritura matemática del problema de optimización. Se define: variables, ecuaciones, función objetivo y parámetros. También, el tamaño del problema, estructura de la matriz de restricciones y tipo: LP, MIP, NLP.
  • 14. Procedimiento general para resolver un problema de optimización 3. Resolución: 4. Verificación, validación y refinamiento: Implantar un algoritmo de obtención de la solución numérica. El tiempo de resolución puede depender de su formulación. La solución optima debe ser satisfactoria, siendo una guía para el experto. Depurar: eliminación de errores. Verificar: que el modelo haga lo especificado en la etapa anterior mediante su escritura en un lenguaje informático. Validar: comprobar validez mediante resultados obtenidos, también, comparando con situaciones reales ocurridas.
  • 15. Procedimiento general para resolver un problema de optimización 5. Interpretación y análisis de los resultados: 6. Implantación, documentación y mantenimiento: Proponer soluciones. Permite conocer el comportamiento del modelo mediante: •Análisis de sensibilidad en los parámetros de entrada. •Estudiar diferentes escenarios de los parámetros. •Detectar soluciones alternativas. •Comprobar la robustez de la solución optima. Entregar un manual de usuario, incluyendo la especificación técnica funcional, matemática e informática. Igualmente, tener un código bien documentado para facilitar el mantenimiento. Finalmente, la formación para los usuarios del modelo.