By Hamdy A. Taha
Descripción: En ediciones anteriores, la preocupación por el tamaño de la copia impresa dio lugar a la práctica inconveniente de colocar una parte considerable del material de texto en un sitio web complementario. En la nueva era de la publicación electrónica, esa preocupación no es un factor. La undécima edición electrónica, compuesta por 22 capítulos y 6 apéndices, ofrece en un solo lugar todo el material* de la décima edición, además de una cantidad significativa de material nuevo. El formato digital debería facilitar la futura actualización del libro según la demanda.
Las primeras diez ediciones de Investigación de operaciones: una introducción se centraron en los algoritmos clásicos de Investigación de operaciones (IO). La analítica, la inteligencia artificial (IA) y el aprendizaje automático (ML), los recién llegados a la escena de la toma de decisiones, compiten con la investigación de operaciones en importancia, en el sentido de que todos buscan decisiones acertadas, aunque desde diferentes perspectivas: la investigación de operaciones emplea (en su mayoría) modelos matemáticos en busca de la solución óptima (o casi óptima). Los nuevos campos están impulsados por el análisis de datos, con el fin de descubrir tendencias y relaciones desconocidas que fortalecerán y agilizarán el proceso de toma de decisiones. Debido a que las aplicaciones de IA y ML dependen en gran medida de la optimización al estilo de la IO, es natural y oportuno que tales aplicaciones se introduzcan en los cursos tradicionales de IO.
Coincidiendo con mi decisión de introducir los nuevos temas en la undécima edición, el Instituto de Investigación Operativa y Ciencias de la Gestión (INFORMS) anunció en diciembre de 2018 que cambiaría el nombre de su revista insignia orientada a aplicaciones, Interfaces, a Journal of Applied Analytics “para llegar a un público más amplio... [de] profesionales que se identifican con una revista cuyo título incluye [la palabra Analytics (analítica)]”.
Contenido: Capítulo 1. Perspectiva general de la IO, analítica, IA y ML en la toma de decisiones
Capítulo 2. Modelado con programación lineal
Capítulo 3. Método simplex y análisis de sensibilidad
Capítulo 4. Dualidad y análisis posóptimo
Capítulo 5. Modelo de transporte y sus variantes
Capítulo 6. Modelos de redes
Capítulo 7. Programación lineal avanzada
Capítulo 8. Programación lineal estocástica
Capítulo 9. Programación lineal entera
Capítulo 10. Programación heurística
Capítulo 11. Problema del agente viajero (TSP)
Capítulo 12. Programación dinámica
Capítulo 13. Modelos de inventario
Capítulo 14. Gestión del rendimiento
Capítulo 15. Análisis de decisiones y juegos
Capítulo 16. Cadenas de Markov
Capítulo 17. Proceso de decisión markoviano
Capítulo 18. Sistemas de colas
Capítulo 19. Simulaciones de eventos discretos y de Monte Carlo
Capítulo 20. Teoría de optimización clásica
Capítulo 21. Algoritmos de programación no lineal
Capítulo 22. Análisis de casos
Apéndice A. Tablas estadísticas
Apéndice B. Respuestas parciales a problemas seleccionados
Apéndice C. Lenguaje de modelado AMPL
Apéndice D. Revisión de vectores y matrices
Apéndice E. Repaso de probabilidad básica
Apéndice F. Modelos de pronóstico
Material: