Problemas de Localización
|
|
- Alba Chávez Espejo
- hace 7 años
- Vistas:
Transcripción
1 Departamento de Métodos Cuantitativos en Economía y Gestión Universidad de Las Palmas de Gran Canaria drsantos@dmc.ulpgc.es Marzo 2005
2 Hi & Lois, en "Discrete Location Theory", Mirchandani y Francis
3 "location, location, location" El fundador de McDonald "location, location, location"
4 "location, location, location" El fundador de McDonald "location, location, location" Conrand Hilton los tres factores más importantes para conseguir el éxito de un hotel: "location, location, location"
5 "location, location, location" El fundador de McDonald "location, location, location" Conrand Hilton los tres factores más importantes para conseguir el éxito de un hotel: "location, location, location" Charles Forte (Lord Forte) sobre el éxito de sus hoteles: "location, location, location"
6 Euro Working Group on Locational Analysis (EWGLA)
7 Euro Working Group on Locational Analysis (EWGLA) Grupo Español de Localización (GELOCA)
8 Euro Working Group on Locational Analysis (EWGLA) Grupo Español de Localización (GELOCA) Informs. Section on Locational Analysis (SOLA) thale/sola/sola.html
9 Bibliografía Daskin, M.S. (1995) Network and discrete location. Models, algorithms, and applications. Drezner Z. Editor (1995) Facility location. A survey of applications and methods. Drezner, Z. and H.W. Hamacher (2002) Facility location. Applications and theory. Eiselt, H.A. and G. Laporte (1989) Competitive spatial models. EJOR 39,
10 Número de centros que deben ser instalados Lugares donde deben ser instalados los centros Características de los centros Asignación de la demanda a los centros Momento en que deben estar instalados los centros
11 Número de centros que deben ser instalados Lugares donde deben ser instalados los centros Características de los centros Asignación de la demanda a los centros Momento en que deben estar instalados los centros
12 Número de centros que deben ser instalados Lugares donde deben ser instalados los centros Características de los centros Asignación de la demanda a los centros Momento en que deben estar instalados los centros
13 Número de centros que deben ser instalados Lugares donde deben ser instalados los centros Características de los centros Asignación de la demanda a los centros Momento en que deben estar instalados los centros
14 Número de centros que deben ser instalados Lugares donde deben ser instalados los centros Características de los centros Asignación de la demanda a los centros Momento en que deben estar instalados los centros
15 Número de centros que deben ser instalados Lugares donde deben ser instalados los centros Características de los centros Asignación de la demanda a los centros Momento en que deben estar instalados los centros Elementos implicados: localización asignación elección transporte
16 Instalaciones preferible la proximidad a los usuarios [ escuelas, hospitales, supermercados ] preferible el alejamiento de la población [ centrales nucleares ] Objetivos: minisum minimax maximin [ privado público no deseado ]
17 El problema de Weber SCTM 2005 "Determinar el punto (x, y) que minimiza la suma de las distancias euclídeas ponderadas entre ese punto y n puntos dados (a i, b i ), i = 1,..., n." { min f (x, y) = (x,y) n i=1 donde d i (x, y) = (x a i ) 2 + (y b i ) 2. } w i d i (x, y)
18 El problema de Weber SCTM 2005 "Determinar el punto (x, y) que minimiza la suma de las distancias euclídeas ponderadas entre ese punto y n puntos dados (a i, b i ), i = 1,..., n." { min f (x, y) = (x,y) n i=1 donde d i (x, y) = (x a i ) 2 + (y b i ) 2. (a i, b i ) localización de clientes } w i d i (x, y)
19 El problema de Weber "Determinar el punto (x, y) que minimiza la suma de las distancias euclídeas ponderadas entre ese punto y n puntos dados (a i, b i ), i = 1,..., n." { min f (x, y) = (x,y) n i=1 donde d i (x, y) = (x a i ) 2 + (y b i ) 2. (a i, b i ) localización de clientes w i } w i d i (x, y) coste de transporte por unidad de distancia desde el punto de suministro al cliente i en (a i, b i )
20 El problema de Weber "Determinar el punto (x, y) que minimiza la suma de las distancias euclídeas ponderadas entre ese punto y n puntos dados (a i, b i ), i = 1,..., n." { min f (x, y) = (x,y) n i=1 donde d i (x, y) = (x a i ) 2 + (y b i ) 2. (a i, b i ) localización de clientes w i } w i d i (x, y) coste de transporte por unidad de distancia desde el punto de suministro al cliente i en (a i, b i ) (x, y) localización del punto de suministro
21 El problema de Weber y el punto de Torricelli
22 El problema de Weber y el punto de Torricelli
23 El problema de Weber y el punto de Torricelli
24 El problema de Weber y el punto de Torricelli
25 Modelos de cubrimiento y de los p centros Cubrimiento total: Determinar el mínimo número de centros y su localización de manera que todo punto de demanda esté cubierto por al menos un centro
26 Modelos de cubrimiento y de los p centros Cubrimiento total: Determinar el mínimo número de centros y su localización de manera que todo punto de demanda esté cubierto por al menos un centro Cubrimiento maximal: Determinar las localizaciones de un máximo de p centros de manera que la demanda cubierta sea máxima
27 Modelos de cubrimiento y de los p centros Cubrimiento total: Determinar el mínimo número de centros y su localización de manera que todo punto de demanda esté cubierto por al menos un centro Cubrimiento maximal: Determinar las localizaciones de un máximo de p centros de manera que la demanda cubierta sea máxima p-centros: Determinar el conjunto de las localizaciones de p centros que minimiza el máximo de las distancias entre cada nodo de demanda y el centro asignado
28 Modelos de cubrimiento y de los p centros Cubrimiento total: puntos de demanda localizaciones candidatas distancias nodos de demanda-localizaciones candidatas distancia de cubrimiento Determinar: mínimo número de centros y su localización que cubren toda la demanda [Pueden ser necesarios demasiados centros (coste alto)]
29 Modelos de cubrimiento y de los p centros Cubrimiento total: puntos de demanda localizaciones candidatas distancias nodos de demanda-localizaciones candidatas distancia de cubrimiento Determinar: mínimo número de centros y su localización que cubren toda la demanda [Pueden ser necesarios demasiados centros (coste alto)] Cubrimiento maximal [relajar la restricción de cubrimiento total]: datos de cubrimiento total número de centros p demanda Determinar: localizaciones de un máximo de p centros que maximizan la demanda cubierta
30 Modelos de cubrimiento y de los p centros Cubrimiento total: puntos de demanda localizaciones candidatas distancias nodos de demanda-localizaciones candidatas distancia de cubrimiento Determinar: mínimo número de centros y su localización que cubren toda la demanda [Pueden ser necesarios demasiados centros (coste alto)] Cubrimiento maximal [relajar la restricción de cubrimiento total]: datos de cubrimiento total número de centros p demanda Determinar: localizaciones de un máximo de p centros que maximizan la demanda cubierta p-centros [relajar la distancia de cubrimiento] : nodos de demanda localizaciones candidatas distancias número de centros p Determinar: las localizaciones de los p centros de forma que toda la demanda sea cubierta y la distancia de cubrimiento sea mínima
31 Modelo de las p medianas p-medianas: puntos de demanda localizaciones candidatas distancias nodos de demanda-localizaciones candidatas demanda número de centros p Determinar las localizaciones de los p centros que minimizan la distancia total de desplazamiento
32 20 15 A B C D 14 E F G H 20 20
33 Localidades A B C D E F G H A B C D E F G H Table: Distancias
34 Cubrimiento total (s=10) SCTM A B C D 14 E F G H 20 20
35 Cubrimiento total (s=10) SCTM A B C D 14 E F G H Cubrimiento maximal (s=10, p=1) A B C D 14 E F G H 20 20
36 Cubrimiento total (s=10) SCTM centro [s=19] A B C A B C D E D E F G H F G H Cubrimiento maximal (s=10, p=1) A B C D 14 E F G H 20 20
37 Cubrimiento total (s=10) SCTM centro [s=19] A B C A B C D E D E F G H F G H Cubrimiento maximal (s=10, p=1) 1-mediana A B C A B C D 14 E 12 7 D 14 E F G H F G H 20 20
38 Cubrimiento total (s=10) A B C D 14 E F G H 20 20
39 Cubrimiento maximal (s=10, p=1) A B C D 14 E F G H 20 20
40 1-centro [s=19] A B C D 14 E F G H 20 20
41 1-mediana A B C D 14 E F G H 20 20
42 Localización competitiva Espacio: continuo en redes discreto Demanda: Distribución Elasticidad (inelástica elástica) Regla de decisión Objetivo: Maximizar beneficios Mercado: Tipo de economía Problema del seguidor Problema del líder Abrir y cerrar centros Variables de decisión: Número de centros y localización Precios Niveles de producción Propiedades del centro Momento de entrada en el mercado
43 Modelo líder-seguidor Problema del seguidor Existen p centros pertenecientes a una firma A (líder). Una firma B (seguidora) desea entrar en el mercado con r centros situándose en las localizaciones que maximizan la demanda captada. Problema del líder El mercado está vacío. Una firma A (líder) desea entrar en el mercado con p centros, situándose en las localizaciones que le proporcionan la máxima demanda captada, suponiendo que una firma B (seguidora) entrará en el futuro comportándose como una seguidora.
44 Modelo líder-seguidor SCTM 2005 Espacio lineal A B
45 Modelo líder-seguidor SCTM 2005 Espacio discreto A B
46 Modelo líder-seguidor SCTM 2005 Redes B A
47 Modelo líder-seguidor. Parámetros. I = conjunto de puntos de demanda. J = conjunto que contiene los puntos candidatos para instalar un centro y los puntos donde ya existe centro. X = subconjunto de J formado por los puntos donde están ubicados los centros existentes. w i = demanda en el punto i I. d ij = distancia entre el punto de demanda i (cliente i) y la localización j. µ= proporción de reparto en caso de empate.
48 Modelo líder-seguidor. Variables de decisión. { 1 si se instala un centro en j y j = 0 en otro caso. { 1 si D(i, Y ) < D(i, X ) x i = 0 en otro caso. { 1 si D(i, Y ) = D(i, X ) z i = 0 en otro caso. donde, para i I y K J, se define la distancia desde i al conjunto K, D(i, K), de la forma: D(i, K) = min {d(i, j)/j K}.
49 Problema del seguidor. Formulación. max i I w i x i + µ i I w i z i (1) sujeto a: y j = r (2) j J x i + z i 1, i I (3) x i j R i y j, i I (4) z i j T i y j, i I (5) donde y j, x i, z i {0, 1}, i I, j J (6) R i = {j J : d(i, j) < d(i, X )} T i = {j J : d(i, j) = d(i, X )}
50 Modelo líder-seguidor SCTM
51 Modelo líder-seguidor Nodos Demanda Table: Distancias y demandas
52 Modelo líder-seguidor (p = 1, r = 1) líder en nodo 5 seguidor en nodo 3 y captura demanda = 64 líder en nodo 3 seguidor en nodo 6 y captura demanda =
Introducción a la Localización Condicionada.
Introducción a la Localización Condicionada. Rodríguez-Chía, Antonio M. Dpto. Estadística e I.O. Universidad de Cádiz antonio.rodriguezchia@uca.es Puerto, Justo Dpto. Estadística e I.O. Universidad de
Más detallesEL PROBLEMA DE LOCALIZACIÓN DE SERVICIOS
Memorias de la XVII Semana Regional de Investigación y Docencia en Matemáticas, Departamento de Matemáticas, Universidad de Sonora, México. Mosaicos Matemáticos No. 20, agosto 2007, pp. 1-6. Nivel Medio
Más detallesRAÚL HUMBERTO ARANEDA MARTÍNEZ REINALDO JAVIER MORAGA SUAZO
ISSN 0717-9103 LA DECISIÓN DE LOCALIZACIÓN EN LA CADENA DE SUMINISTRO THE FACILITY LOCATION DECISIONS IN THE SUPPLY CHAIN RAÚL HUMBERTO ARANEDA MARTÍNEZ REINALDO JAVIER MORAGA SUAZO Universidad del Bío-Bío,
Más detallesCompetencia espacial en redes
Dolores R. Santos Peñate drsantos@dmc.ulpgc.es Competencia espacial en redes Pablo Dorta González pdorta@dmc.ulpgc.es Rafael Suárez Vega rsuarez@dmc.ulpgc.es Resumen La competencia espacial estudia problemas
Más detallesModelos de localizacin competitiva con precios de entrega
Modelos de localizacin competitiva con precios de entrega Blas Pelegrn Pelegrn Dpto. Estadstica e Investigacin Operativa Universidad de Murcia pelegrin@um.es Pascual Fernndez Hernndez Dpto. Estadstica
Más detallesPráctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut
Práctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut 8.1 Para cada uno de los siguientes conjuntos, encontrar una desigualdad válida que agregada a la formulación
Más detallesIN34A - Optimización
IN34A - Optimización Modelos de Programación Lineal Leonardo López H. lelopez@ing.uchile.cl Primavera 2008 1 / 24 Contenidos Programación Lineal Continua Problema de Transporte Problema de Localización
Más detallesLOCALIZACIÓN COMPETITIVA CON VALORACIONES DIFUSAS DE LOS CLIENTES
Revista Electrónica de Comunicaciones y Trabajos de ASEPUMA. Rect@ Volumen 13. Paginas 43 a 55. LOCALIZACIÓN COMPETITIVA CON VALORACIONES DIFUSAS DE LOS CLIENTES CLARA M. CAMPOS RODRÍGUEZ ccampos@ull.es
Más detallesFundamentos de Programación Entera
Fundamentos de Programación Entera Carlos Testuri Germán Ferrari Departamento de Investigación Operativa. Instituto de Computación. Facultad de Ingeniería. Universidad de la República 2012-2016 Facultad
Más detallesALGORITMO BASADO EN DISCRIMINACION POR DISTANCIAS CON BUSQUEDA GLOBAL APLICADO AL PROBLEMA DE LA P-MEDIANA.
ISSN 0717-9103 ISSN Online 0718-8307 Ingeniería Industrial - Año 9 N 1: 87-94, 2010 ALGORITMO BASADO EN DISCRIMINACION POR DISTANCIAS CON BUSQUEDA GLOBAL APLICADO AL PROBLEMA DE LA P-MEDIANA. ALGORITHM
Más detallesGUÍA DE ESTUDIO DEL CURSO:
GUÍA DE ESTUDIO DEL CURSO: TECNOLOGÍAS DE LA INFORMACIÓN GEOGRÁFICA Y PLANIFICACIÓN DE EQUIPAMIENTOS E INFRAESTRUCTURAS 1. Presentación Bienvenido al Curso de Máster TIG y planificación de equipamientos
Más detallesLocalización de servicios en redes
Localización de servicios en redes Marcos Colebrook y Joaquín Sicilia Dpto. Estadística, Investigación Operativa y Computación Universidad de La Laguna mcolesan@ull.es,jsicilia@ull.es Resumen Se describen
Más detallesCAPÍTULO 4 PROGRAMACIÓN LINEAL ENTERA
CAPÍTULO 4 PROGRAMACIÓN LINEAL ENTERA Programación Lineal Entera Es una técnica que permite modelar y resolver problemas cuya característica principal es que el conjunto de soluciones factibles es discreto.
Más detallesTema 1 Introducción. José R. Berrendero. Departamento de Matemáticas Universidad Autónoma de Madrid
Tema 1 Introducción José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Información de contacto José Ramón Berrendero Díaz Correo electrónico: joser.berrendero@uam.es Teléfono:
Más detallesTAREA 1. 1 x2 x , 1. p 1 x 1 + p 2 x 2 s.a. u (x) =u. (c) Usando el resultado del inciso (b), argumenta que si x =0existe ẽ (p) tal que
TAREA Considera las siguiente función de utilidad x x2 x u (x) =, donde < < y x son los parámetros que describen estas preferencias (a) Argumenta que si x =las preferencias son homotéticas, pero que si
Más detallesDimensionamiento y Planificación de Redes
Dimensionamiento y Planificación de Redes Tema 2. Algoritmos Sobre Grafos Calvo Departamento de Ingeniería de Comunicaciones Este tema se publica bajo Licencia: Crea:ve Commons BY- NC- SA 4.0 Búsqueda
Más detallesMatemáticas Discretas TC1003
Matemáticas Discretas TC1003 Relaciones entre Conjuntos: Propiedades Departamento de Matemáticas / Centro de Sistema Inteligentes ITESM Relaciones entre Conjuntos: Propiedades Matemáticas Discretas - p.
Más detallesDirección de operaciones. SESIÓN # 2: Programación lineal
Dirección de operaciones SESIÓN # 2: Programación lineal Contextualización Dentro de la sesión anterior conocimos el concepto y alcance de la administración de operaciones, dicho de otro modo el qué, ahora
Más detallesLa elasticidad-precio de la demanda jamón es. donde J se refiere a la cantidad de jamón y al precio.
SOLUCION EXAMEN JULIO 2010 MICRO I MARCELO CAFFERA EJERCICIO 1 EJERCICIO 5.7 Suponga que una persona considera que el jamón y el queso son bienes complementarios puros; siempre come un sándwich de jamón
Más detallesInvestigación Operativa
Investigación Operativa Unidad: Teoría de decisiones y modelos de programación lineal Docente: Johnny. Pacheco Contreras Unidad Teoría de decisiones y modelos de programación lineal. Logro Al finalizar
Más detallesDiseño de redes en modelos de hub con estructura de árbol
Diseño de redes en modelos de hub con estructura de árbol Justo Puerto Albandoz, Ana Belén Ramos Gallego y Antonio Manuel Rodríguez Chía Departamento de Estadística e I.O. Universidad de Sevilla Priego
Más detallesParalera Morales, Concepción. Correo electrónico: cparmor@upo.es
REVISTA DE MÉTODOS CUANTITATIVOS PARA LA ECONOMÍA Y LA EMPRESA (11). Páginas 17 32. Junio de 2011. ISSN: 1886-516X. D.L: SE-2927-06. URL: http://www.upo.es/revmetcuant/art.php?id=46 Una propuesta para
Más detallesEl problema del agente viajero
CO- (F0) //00 El problema del agente viajero Un vendedor tiene que visitar n + ciudades, cada una exactamente una vez. La distancia entre cada par de ciudades viene dada por d ij (en general d ij d ji
Más detallesNo se permiten libros ni apuntes. Ejercicio 1 Ejercicio 2 Ejercicio 3 Ejercicio 4 TOTAL NOTA
Junio Duración: h Ejercicio Ejercicio Ejercicio Ejercicio TOTAL NOTA Ejercicio : [ puntos: respuesta acertada = +., respuesta incorrecta =.] Complete las siguientes frases y conteste a cada una con verdadero
Más detallesUniversidad Carlos III de Madrid Departamento de Economía Principios de Economía Hoja de Ejercicios nº 5. Preguntas Conceptuales
Universidad Carlos III de Madrid Departamento de Economía Principios de Economía Hoja de Ejercicios nº 5 Preguntas Conceptuales 1. Explique con la ayuda de un gráfico por qué cualquier precio diferente
Más detallesProblemas: formulación, ejemplos, representación de soluciones y estructuras de entorno
Problemas: formulación, ejemplos, representación de soluciones y estructuras de entorno Christopher Expósito Izquierdo, J. Marcos Moreno Vega cexposit@ull,es, jmmoreno@ull.es Departamento de Ingeniería
Más detallesIntroducción a la IO Formulaciones de programación lineal Resolución por ordenador (Excel)
Introducción a la IO Formulaciones de programación lineal Resolución por ordenador (Excel) Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Investigación operativa
Más detallesLocalización de ambulancias utilizando programación lineal: caso UNAM
Localización de ambulancias utilizando programación lineal: caso UNAM Esther Segura Pérez Instituto de Ingeniería, UNAM esegurap@iingen.unam.mx Rafael Bernardo Carmona Benítez Facultad de Economía y Negocios,
Más detallesBúsqueda en línea y Búsqueda multiagente
Búsqueda en línea y Búsqueda multiagente Ingeniería Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani 1 Tema 2: Agentes basados en Búsqueda Resumen: 2. Agentes basados
Más detallesModelado en Programación Lineal y Entera en Modelado Cuantitativo para Problemas de Producción
Modelado en Programación Lineal y Entera en Modelado Cuantitativo para Problemas de Producción Héctor Cancela - Antonio Mauttone Pedro Piñeyro - Luis Stábile - Carlos Testuri Depto. Investigación Operativa.
Más detallesALGORITMO MINIMAX. o Nodo: Representa una situación del juego. o Sucesores de un nodo: Situaciones del juego a las que se
ALGORITMO MINIMAX Algoritmo de decisión para minimizar la pérdida máxima aplicada en juegos de adversarios Información completa (cada jugador conoce el estado del otro) Elección del mejor movimiento para
Más detallesMétodos cuantitativos para la localización
Métodos cuantitativos para la localización La empresa como un todo En una actividad económica destacan fundamentalmente las empresas, o unidades de producción creadoras de utilidad y las actividades de
Más detallesLa maximización de los beneficios y la oferta competitiva
La maximización de los beneficios y la oferta competitiva Mercados perfectamente competitivos Las empresas son precio-aceptantes Homogeneidad del producto Libertad de entrada y salida Cuánto producir?
Más detallesUNIDAD DOS MODELO DE ASIGNACIÓN
Ing. César Urquizú UNIDAD DOS MODELO DE ASIGNACIÓN Ing. César Urquizú Modelos de Transporte Método de la Esquina Noroeste Método del Costo Mínimo o Menor Método de Aproximación de Vogel (MAV) Método del
Más detallesMatemáticas Discretas TC1003
Matemáticas Discretas TC1003 Relaciones entre Conjuntos: Propiedades Departamento de Matemáticas / Centro de Sistema Inteligentes ITESM Relaciones entre Conjuntos: Propiedades Matemáticas Discretas - p.
Más detallesPLE: Optimización Combinatoria
PLE: Optimización Combinatoria CCIR / Matemáticas euresti@itesm.mx CCIR / Matemáticas () PLE: Optimización Combinatoria euresti@itesm.mx 1 / 14 Introducción Para valorar el poder expresivo de los modelos
Más detallesEL MÉTODO SIMPLEX ALGEBRAICO. M. En C. Eduardo Bustos Farías
EL MÉTODO SIMPLEX ALGEBRAICO M. En C. Eduardo Bustos Farías Modelos sin solución Degeneración. óptima Soluciones múltiples o alternativas () No acotado: Ocurre cuando el objetivo puede crecer infinitamente
Más detallesUNIDAD 1: LOS TEMAS DE LA MICROECONOMÍA. LA OFERTA Y LA DEMANDA.
UNIDAD 1: LOS TEMAS DE LA MICROECONOMÍA. LA OFERTA Y LA DEMANDA. Universidad de Ciencias Empresariales y Sociales FUNDAMENTOS DE MICROECONOMIA Prof. Eliana Scialabba CAPITULO 1: Prolegómenos Temas de la
Más detallesCLAVE ASIGNATURA REQUISITOS HORA/SEMANA CREDITOS EC-2 ANALISIS MICROECONOMICO EC-1, 80% ASISTENCIA 4 7 MARCO REFERENCIAL
1 UNIVERSIDAD AUTONOMA DE YUCATAN FACULTAD DE CONTADURIA Y ADMINISTRACION PROGRAMAS GENERALES AREA DE ANALISIS CUANTITATIVO NIVEL UNO: BASICO HERRAMENTAL CLAVE ASIGNATURA REQUISITOS HORA/SEMANA CREDITOS
Más detallesEl poder de mercado: el monopolio y el monopsonio
El poder de mercado: el monopolio y el monopsonio Rafael Maldonado María Antonia Jaramillo Bogota, octubre 27 de 2011 Mercado competitivo El gran numero de compradores y vendedores de un bien, garantiza
Más detallesAlgebra vectorial y matricial
Capítulo Algebra vectorial y matricial.. Espacio vectorial Los conjuntos de vectores en el plano R yenelespacior cuentan con muchas propiedades interesantes. Es posible sumar un vector en R y obtener un
Más detallesProblemas de la Ruta más m s corta
Modelos de Redes: Problemas de la Ruta más m s corta M. En C. Eduardo Bustos Farías as Problemas de la Ruta más m s corta Problemas de la Ruta más m s corta Se trata de encontrar la ruta de menor distancia,
Más detallesEstadística. Tema 3. Esperanzas Esperanza. Propiedades Varianza y covarianza. Correlación
Estadística Tema 3 Esperanzas 31 Esperanza Propiedades 32 Varianza y covarianza Correlación 33 Esperanza y varianza condicional Predicción Objetivos 1 Medidas características distribución de VA 2 Media
Más detallesUn caso sobre localización de instalaciones para una empresa que distribuye motores y refacciones en México
Un caso sobre localización de instalaciones para una empresa que distribuye motores y refacciones en México Tesis presentada por Lucía Cazabal Valencia Para obtener el grado de Lic. Matemáticas Aplicadas
Más detallesTipos de juegos. Número de jugadores. Número de estrategias. Evolución en el tiempo. Intercambio de información entre jugadores
Teoría de Juegos Introducción Dos o más decisores (jugadores) deben tomar una decisión entre un conjunto de alternativas (estrategias) Puede existir conflicto entre los intereses de los jugadores Puede
Más detallesTEORIA DE DECISIONES
TEORIA DE DECISIONES En economía y administración existen ciertos tipos de problemas en los que no es posible obtener muestras(información objetiva) para estimar ciertas características de la población.
Más detallesTEMA 2: PROGRAMACIÓN LINEAL.
TEMA : PROGRAMACIÓN LINEAL.. 1. INTRODUCCIÓN. La Programación Lineal (PL) puede considerarse como uno de los grandes avances científicos habidos durante la primera mitad del siglo XX y sin duda es una
Más detalles(e) Con la poda alfa-beta se eliminan nodos que nunca serán alcanzados
Universidad Rey Juan Carlos Curso 2014 2015 Hoja de Problemas Tema 5 1. Cuáles de las siguientes afirmaciones acerca del algoritmo Minimax son ciertas (a) El algoritmo Minimax realiza una exploración primero
Más detallesDISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO
TEMA II ESQUEMA GENERAL Diseño experimental de dos grupos: definición y clasificación Formatos del diseño y prueba de hipótesis Diseño experimental multigrupo: definición Formato del diseño multigrupo
Más detallesTEMA 5 Los mercados de factores
TEMA 5 os mercados de factores Tema 5: os mercados de factores. a oferta de un factor. Caso del factor trabajo: el modelo de elección renta-ocio. 2. a demanda derivada de factores. 3. a demanda de trabajo
Más detallesMATEMÁTICAS EMPRESARIALES
GUIA DOCENTE DE LA ASIGNATURA MATEMÁTICAS EMPRESARIALES MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Ampliación de Matemáticas PROFESOR(ES) Matemáticas Empresariales 1º 2º 6 Obligatoria DIRECCIÓN COMPLETA
Más detallesTutorial: Localización de concentradores
Tutorial: Localización de concentradores Lázaro Cánovas Dpto. Estadística e I.O. Universidad de Murcia lcanovas@um.es Sergio García Dpto. Estadística e I.O. Universidad de Murcia sgarcia@um.es Alfredo
Más detallesCONTENIDO MODELOS PARA LA LOCALIZACION DE PLANTA
MODELOS PARA LA LOCALIZACION DE PLANTA PROFESOR: DR. JORGE ACUÑA A. 1 CONTENIDO Modelos de localización Modelos de optimización Modelo del centro de gravedad Modelo de distancias (Ardalan) Trayectorias
Más detallesTEMA 1: ECONOMÍAS DE INTERCAMBIO October 6, 2015
TEMA 1: ECONOMÍAS DE INTERCAMBIO October 6, 2015 1. Asignaciones Eficientes, equilibrios de Walras Una economía de intercambio está constituida por un conjunto de agentes {1, 2,..., I}, con sus relaciones
Más detallesInteligencia Artificial II Unidad Plan 2010-Ingeniería en Sistemas Computacionales
Inteligencia Artificial II Unidad Plan 2010-Ingeniería en Sistemas Computacionales Rafael Vázquez Pérez Unidad II:Técnicas de Búsqueda. 2.1. Solución de problemas con búsqueda. 2.2. Espacios de estados.
Más detallesAnálisis y síntesis de circuitos con elementos de memoria. Proceso de Análisis y síntesis de circuitos con elementos de memoria
Proceso de Reducción de tablas de estado Obtención de pares compatibles mediante la carta de implicación Obtención del conjunto compatible máximo Reducción de tablas de estado en circuitos con inespecificaciones.
Más detallesTEORIA DE JUEGOS. M. En C. Eduardo Bustos as
TEORIA DE JUEGOS M. En C. Eduardo Bustos Farías as 1 Teoría a de juegos Es una herramienta matemática tica que analiza las interrelaciones entre dos o mas individuos, y busca un modelo de actuación óptimo.
Más detallesInteligencia Artificial
I.T. en Informática de Sistemas, 3º Curso académico: 2009/2010 Profesores: Sascha Ossowski y Ramón Hermoso 1 Tema 2: Búsqueda Resumen: 2. Búsqueda 2.1. Agentes de resolución de problemas 2.2. Búsqueda
Más detallesA 2 E 4 I. Las cámaras situadas en puntos capaces de vigilar 2, 3 y 4 zonas cuestan 5, 7 y 8 unidades monetarias,
Programación Lineal Entera / Investigación Operativa 1 MODELIZACIÓN Y RESOLUCIÓN CON SOLVER. Hoja 3 Para los siguientes problemas, se pide: 1. Plantear el correspondiente modelo de Programación Lineal
Más detallesTécnicas de planificación y control de proyectos Andrés Ramos Universidad Pontificia Comillas
Técnicas de planificación y control de proyectos Andrés Ramos Universidad Pontificia Comillas http://www.iit.upcomillas.es/aramos/ Andres.Ramos@upcomillas.es TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS
Más detallesPráctica 2. Algoritmos de búsqueda local (local search algorithms) y algoritmos avariciosos (greedy algorithms)
PLANIFICACIÓN Y GESTIÓN DE REDES Grado en Ingeniería Telemática Curso 2012-2013 Práctica 2. Algoritmos de búsqueda local (local search algorithms) y algoritmos avariciosos (greedy algorithms) Autor: Pablo
Más detallesTeoría de juegos Andrés Ramos Universidad Pontificia Comillas
Teoría de juegos Andrés Ramos Universidad Pontificia Comillas http://www.iit.upcomillas.es/aramos/ Andres.Ramos@upcomillas.es TEORÍA DE JUEGOS 1 Teoría de juegos 1. Matriz de pagos 2. Clasificación 3.
Más detallesEjemplo: ubicación de estación de bomberos
15.053 Jueves, 11 de abril Más aplicaciones de la programación entera. Técnicas de plano de corte para obtener mejores cotas. Ejemplo: ubicación de estación de bomberos Considere la ubicación de estaciones
Más detallesCOMERCIALIZACION II. Clase 10 Toma de decisiones sobre precios (Ejemplos de herramientas)
COMERCIALIZACION II Clase 10 Toma de decisiones sobre precios (Ejemplos de herramientas) Toma de decisiones sobre precios Las empresas enfrentan 3 problemas usuales para trabajar sobre esta variable: 1.
Más detallesSEMINARIO DE OPTIMIZACIÓN EN FERROCARRILES
SEMINARIO DE OPTIMIZACIÓN EN FERROCARRILES PROYECTO ARRIVAL Transportation Planning Models Prof. Dr. Gilbert Laporte Canada Research Chair of Distribution Management, HEC, Canadá Localización Robusta de
Más detallesDIRECCIÓN TÉCNICO ELECTORAL - DIRECCION GENERAL ELECTORAL - SECRETARIA DE ACTUACIÓN - JUNTA ELECTORAL DE LA PROVINCIA DE BUENOS AIRES
Más detalles
Práctica 7. Problemas de diseño de topologías de red con herramienta Net2Plan
TEORÍA DE REDES DE TELECOMUNICACIONES Grado en Ingeniería Telemática Grado en Ingeniería en Sistemas de Telecomunicación Curso 2012-2013 Práctica 7. Problemas de diseño de topologías de red con herramienta
Más detallesPrograma. Números Complejos, Ecuaciones Diferenciales y Ecuaciones en
Contenido: Programa Módulo I: R n como Espacio Vectorial y Tópicos en Álgebra Lineal Abelardo Jordán Módulo II: Series de Taylor y Optimización Estática Eladio Ocaña Módulo III: Diferencias Números Complejos,
Más detallesAnálisis de algoritmos
Tema 10: Algoritmos ávidos M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom 1 Contenido Introducción Algoritmos ávidos Forma general de un
Más detallesTEMA 2. LA LOCALIZACIÓN DE LAS ACTIVIDADES ECONÓMICAS
TEMA 2. LA LOCALIZACIÓN DE LAS ACTIVIDADES ECONÓMICAS 2.1. Los modelos normativos o clásicos 2.2. El distrito industrial marshalliano 2.3.La nueva geografía económica y las economías de aglomeración 2.4
Más detallesLocalización Minimax con Incertidumbre
Localización Minimax con Incertidumbre Blas Pelegrín Pelegrín Departamento de Estadística e Investigación Operativa. Universidad de Murcia, e-mail: pelegrin@um.es 1 Introducción Una decisión importante
Más detallesLínea de trabajo: Control de los Procesos de Manufactura Optimización de los Procesos de Manufactura
Nombre de la asignatura: INVESTIGACIÓN DE OPERACIONES Línea de trabajo: Control de los Procesos de Manufactura Optimización de los Procesos de Manufactura 48 20 100 168-6 1. Historial de la asignatura
Más detallesModelos de Redes: Árbol. M. En C. Eduardo Bustos Farías
Modelos de Redes: Árbol de expansión n mínimam M. En C. Eduardo Bustos Farías as Objetivos Conceptos y definiciones de redes. Importancia de los modelos de redes Modelos de programación n lineal, representación
Más detallesProblemas de programación entera: El método Ramifica y Acota. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Problemas de programación entera: El método Ramifica y Acota Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema La estrategia Divide y vencerás Árboles de enumeración
Más detallesUNIVERSIDAD NACIONAL DE INGENIERÍA SEDE: UNI-NORTE PRIMER PARCIAL DE INVESTIGACIÓN DE OPERACIONES I (SOLUCIÓN)
UNIVERSIDAD NACIONAL DE INGENIERÍA SEDE: UNI-NORTE PRIMER PARCIAL DE INVESTIGACIÓN DE OPERACIONES I Prof.: MSc. Ing. Julio Rito Vargas Avilés (SOLUCIÓN) I. Representar gráficamente la región determinada
Más detallesProgramación entera: Ejemplos, resolución gráfica, relajaciones lineales. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Programación entera: Ejemplos, resolución gráfica, relajaciones lineales Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Programación entera: definición, motivación,
Más detallesColoreo de vértices Definiciones: Coloreo de Grafos. Cotas para χ Proposición: Si H es un subgrafo de G entonces χ(h) χ(g).
Coloreo de vértices Definiciones: Coloreo de Grafos Algoritmos y Estructuras de Datos III Un coloreo (válido) de los vértices de un grafo G = (V, X ) es una asignación f : V C, tal que f (v) f (u) (u,
Más detallesEl problema de Mediana ordenada en localización
El problema de Mediana ordenada en localización Justo Puerto Albandoz Facultad de Matemáticas, Universidad de Sevilla puerto@us.es Resumen Este tutorial introduce al lector en el fascinante mundo de la
Más detallesEn el caso de ondas electromagnéticas (luz) el campo eléctrico E y el campo magnético B varían de forma oscilatoria con el tiempo y la distancia:
y : posición vertical www.clasesalacarta.com 1 Concepto de Onda ema 8.- Movimiento Ondulatorio. Ondas Mecánicas Onda es una forma de transmisión de la energía. Es la propagación de una perturbación en
Más detallesInteligencia Artificial I
Ingeniería en Sistemas Computacionales Inteligencia Artificial I Rafael Rivera López Departamento de Sistemas y Computación 1 Ago-Dic 2008 Veracruz, Ver. Unidad IV Técnicas de Búsqueda y Satisfacción de
Más detallesMiguel Ortega Mier Grupo de Ingeniería de Organización y Logística ETSII (UPM)
Búsqueda de soluciones robustas para el problema de localización de una instalación de tratamiento de residuos y las plantas de transferencia correspondientes Miguel Ortega Mier Grupo de Ingeniería de
Más detallesCompetencia perfecta: el corto plazo
Competencia perfecta: el corto plazo José C. ernías Curso 2015 2016 Índice 1 Características de los mercados competitivos 1 2 La curva de oferta a corto plazo 4 3 Estática comparativa 8 Esta obra está
Más detallesTRANSPORTE DE ELECTRICIDAD SISTEMAS ELÉCTRICOS INTERCONECTADOS SESIÓN 7. Inversión. Mario Pereira PSRI
TRANSPORTE DE ELECTRICIDAD SISTEMAS ELÉCTRICOS INTERCONECTADOS SESIÓN 7 Inversión Mario Pereira PSRI Santiago de Chile, 16-19 Noviembre 1999 1 EXPANSIÓN G&T - AMBIENTE CENTRALIZADO w = Min I(x) + O(x)
Más detallesGrafos. Algoritmos y Estructuras de Datos III
Grafos Algoritmos y Estructuras de Datos III Grafos Un grafo G = (V, X ) es un par de conjuntos, donde V es un conjunto de puntos o nodos o vértices y X es un subconjunto del conjunto de pares no ordenados
Más detallesOptimización de la secuencia de movimientos de un brazo robot en una cadena de ensamblaje: el problema económico de Weber con normas poliédricas
Optimización de la secuencia de movimientos de un brazo robot en una cadena de ensamblaje: el problema económico de Weber con normas poliédricas Cañavate Bernal, Roberto J. Departamento de Métodos Cuantitativos
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesLos grupos de presión Grundfos
GRUNDFOS GRUPOS DE PRESIÓN Los grupos de presión Grundfos cubren todas las necesidades en los servicios de la construcción comercial Gamma completa de grupos de presión Con una gama completa de grupos
Más detallesOptimización del problema generalizado de las rutas con restricciones temporales y de capacidad (CVRPSTW)
Valencia, 7-9 Junio 2000 Optimización del problema generalizado de las rutas con restricciones temporales y de capacidad (CVRPSTW) Víctor Yepes Director del Área de Producto de la Agència Valenciana del
Más detallesInvestigación de Operaciones 1
Investigación de Operaciones 1 Clase 10 Pablo Andrés Maya Mayo, 2014 Pablo Andrés Maya () Investigación de Operaciones 1 Mayo, 2014 1 / 15 Clasificación de los modelos de optimización Pablo Andrés Maya
Más detallesCONTRASTES NO PARAMÉTRICOS: ALEATORIEDAD Y LOCALIZACIÓN
CONTRASTES NO PARAMÉTRICOS: ALEATORIEDAD Y LOCALIZACIÓN Antonio Morillas A. Morillas: C. no paramétricos (II) 1 1. Contrastes de aleatoriedad. Contraste de rachas. 2. Contrastes de localización 2.1 Contraste
Más detallesSOLUCIÓN GRÁFICA DE PROBLEMAS DE PROGRAMACIÓN LINEAL
SOLUCIÓN GRÁFICA DE PROBLEMAS DE PROGRAMACIÓN LINEAL Muchos problemas de administración y economía están relacionados con la optimización (maximización o minimización) de una función sujeta a un sistema
Más detallesMNEM - Métodos Numéricos en la Ingeniería Mecánica
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 295 - EEBE - Escuela de Ingeniería de Barcelona Este 737 - RMEE - Departamento de Resistencia de Materiales y Estructuras
Más detallesElementos Básicos de la Oferta y la Demanda. Juan Pablo Baquero Sanz Juan Alvarado
Elementos Básicos de la Oferta y la Demanda Juan Pablo Baquero Sanz Juan Alvarado Índice. La Oferta La Demanda Mecanismos del Mercado Punto de Equilibrio y sus Variaciones Elasticidad de la Oferta y Demanda
Más detallesCONTENIDO PREFACIO... MERCADO Y PROBLEMAS FUNDAMENTA- LES... 1
CONTENIDO PREFACIO... CAPÍTULO 1. LA ECONOMÍA: CONCEPTOS Y PROBLEMAS FUNDAMENTA- LES... 1 1.1. PLANTEAMIENTO DEL CAPÍTULO... 1 1.2. OBJETIVOS DOCENTES... 1 1.3. EXPLICACIÓN DEL CONTENIDO... 1 1.3.1. Introducción...
Más detallesESTUDIO PARA LA LOCALIZACION ESPACIAL DE UN PROYECTO. Luisa L. Lazzari - Emilio A. M. Machado - Rodolfo H. Pérez
ESTUDIO PARA LA LOCALIZACION ESPACIAL DE UN PROYECTO Luisa L. Lazzari - Emilio A. M. Machado - Rodolfo H. Pérez El objetivo del presente trabajo es determinar la mejor ubicación para la construcción de
Más detallesUNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 12 de septiembre de 2007
UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 2 de septiembre de 2007 Problema. (2.5 puntos) Un fabricante de productos informáticos produce 3 modelos de routers
Más detallesTema 2: Estadística Bivariante Unidad 1: Correlación y Regresión
Estadística Tema 2: Estadística Bivariante Unidad 1: Correlación y Regresión Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Octubre 2010 Contenidos...............................................................
Más detallesInteligencia Artificial. Integrantes Equipo # 1:
INSTITUTO TECNOLÓGICO De Nuevo Laredo Especialidad: Ingeniería en Sistemas Computacionales Catedrático: Ing. Bruno López Takeyas. Asignatura: Inteligencia Artificial. Integrantes Equipo # 1: Javier Alonso
Más detallesEstado del Arte. Capítulo Marco teórico. Módelo de Placas / Láminas Estrategias de Modelado Modelo Shell
Capítulo 2 Estado del Arte 2.1. Marco teórico. Módelo de Placas / Láminas Las placas son elementos estructurales planos, cuyo espesor es mucho menor que las otras dos dimensiones. Es habitual dividir el
Más detalles