Investigación Operativa  

Tomar una decisión requiere habitualmente analizar un número potencialmente importante de opciones y valorar cada una de ellas según uno o varios criterios, para determinar cuál o cuáles son “las mejores”. La Investigación Operativa nace con el objetivo de ayudar a los responsables de la toma de decisiones en los procesos de elecciones complejas. Esta disciplina pretende aportar las herramientas cuantitativas para apoyar la toma de decisiones. Los modelos ofrecen una representación más manejable de la realidad y de sus restricciones, una formulación clara de los criterios utilizados y por lo tanto una racionalización de las decisiones tomadas.

Sean estratégicas y globales u operativas y locales, muchas decisiones tomadas para dirigir una organización tienen como objetivo encontrar los recursos que serán utilizados para cubrir las necesidades (asignación de las tareas de producción a los equipos industriales, organización de los flujos logísticos, utilización de medios para transportar bienes o personas, movilización de recursos humanos para realizar servicios, etc.). Las decisiones de este tipo incluyen a menudo un gran número de opciones cuantitativas sobre componentes básicos (por ej. para elaborar un plan director de producción hay que decidir qué producto se fabricará, en qué cantidad, cuándo, desde dónde se distribuirá y a qué cliente, cuándo y con qué cantidad…). Estas elecciones deben ser coherentes entre ellas y respetar las restricciones que caracterizan el contexto. Podemos ver que cada decisión puede ser difícil de tomar y valorar con los medios tradicionales.
Para escoger la(s) mejor(es) opción(es) posible(es) respondiendo a una problemática de decisión compleja, necesitamos plantear un problema de optimización de los recursos para maximizar una función con diferentes variables (criterio, función objetivo), atendiendo a su vez un conjunto de restricciones.

Max: f(x₁, x₂, …, x_n)
Atendiendo las restricciones (r₁, r₂, …, r_m)

La Investigación Operativa propone un gran número de enfoques algorítmicos para resolver este tipo de problema, agrupados en la llamada “Programación Matemática”, que incluye:

• La Programación Lineal y sus extensiones
• La Programación no Lineal
• Los algoritmos evolutivos y meta-heurísticos

La naturaleza multi-criterio de algunos problemas puede llevarnos a ampliar el enfoque de optimización con una búsqueda de mayor compromiso. Así, si existen 2 criterios para determinarla, una solución será considerada como óptima si no existe ninguna otra mejor considerando los dos criterios a la vez. Para un problema dado, estas soluciones llamadas “eficaces” pueden ser muchas, cada una con un compromiso diferente. En este caso puede ser interesante para el responsable de la toma de decisiones explorar todo o parte del conjunto de soluciones conocidas como “frontera de Pareto”. Este enfoque (muy útil para tratar problemáticas de diseño por ejemplo) requiere a veces un gran número de cálculos de optimización y por lo tanto la implementación de infraestructuras de cálculo de alto rendimiento (High-performance Computing) o utilizar algoritmos evolutivos de tipo algoritmos genéticos.

Otras veces la naturaleza aleatoria o la falta de definición del entorno en el que las soluciones serán aplicadas puede llevar a buscar otros enfoques, como por ejemplo los métodos de Programación Estocástica o de Optimización Robusta.
 

Definición de la Investigación Operativa en wikipedia.

Como complemento de los solver editados en el mercado, EURODECISION desarrolla, para sus propias necesidades y las de sus clientes, meta-heurísticas, algoritmos de descomposición, de exploración de grafos, de búsqueda en arboles...