Diferencia entre revisiones de «Programación lineal»

Contenido eliminado Contenido añadido
Camilo (discusión · contribs.)
m Revertidos los cambios de 190.36.227.245 a la última edición de SieBot
Línea 5:
== Historia de la programación lineal ==
 
El problema de la resolución de un sistema lineal de inecuaciones se remonta, al menos, a [[Fourier]], después de quien nace el método de eliminación de Fourier-Motzkin. La programación lineal se plantea como un modelo matemático desarrollado durante la [[Segunda Guerra MumdialMundial]] para planificar los gastos y los retornos, a fin de reducir los costos al ejército y aumentar las pérdidas del enemigo. Se mantuvo en secreto hasta 1947. En la posguerra, muchas industrias lo usaron en su planificación diaria.
 
Los fundadores de la técnica son [[George Dantzig]], quien publicó el [[algoritmo simplex]], en 1947, [[John von Neumann]], que desarrolló la teoría de la dualidad en el mismo año, y [[Leonid Kantoróvich]], un matemático ruso, que utiliza técnicas similares en la economía antes de Dantzig y ganó el premio NovelNobel en economía en 1975. En 1979, otro matemático ruso, [[Leonid Khachiyan]], demostró que el problema de la programación lineal era resoluble en [[tiempo polinomial]]. Más tarde, en 1984, [[Narendra Karmarkar]] introduce un nuevo método del punto interior para resolver problemas de programación lineal, lo que constituiría un enorme avance en los principios teóricos y prácticos en el área.
 
El ejemplo original de Dantzig de la búsqueda de la mejor asignación de 70 personas a 70 puestos de trabajo es un ejemplo de la utilidad de la programación lineal. La potencia de computación necesaria para examinar todas las permutaciones a fin de seleccionar la mejor asignación es inmensa; el número de posibles configuraciones excede al número de partículas en el universo. Sin embargo, toma sólo un momento encontrar la solución óptima mediante el planteamiento del problema como una programación lineal y la aplicación del algoritmo simplex. La teoría de la programación lineal reduce drásticamente el número de posibles soluciones óptimas que deberán ser revisadas.