Lectura Act 1 200608 Teoria de Las Decisiones 2013 I

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA LECTURA ACT 1 DEL CURSO: 200608_TEORIA
A 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.
lvaro Javier Rojas Baracaldo (Director de curso) Tutor ECBTI
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA LECTURA ACT 1 DEL CURSO: 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.
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.
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
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.
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
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).
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:
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
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
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.
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

Lectura Act 1 200608 Teoria de Las Decisiones 2013 I

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Lectura Act 1 200608 Teoria de Las Decisiones 2013 I

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA LECTURA ACT 1 DEL CURSO: 200608_TEORIA

lvaro Javier Rojas Baracaldo (Director de curso) Tutor ECBTI

You might also like