1.3.1 Mtodo Heurstico.

El trmino heurstico est relacionado con la tarea de resolver

problemas inteligentemente utilizando la informacin disponible. En el
mbito de la Inteligencia artificial se usa el trmino heurstico para
describir una clase de algoritmos que aplicando el conocimiento propio
del problema y tcnicas realizables se acercan a la solucin de
problemas en un tiempo razonable.
Los Mtodos heursticos o aproximados, son procedimientos eficientes
para encontrar buenas soluciones aunque no se pueda comprobar que
sean ptimas. En estos mtodos, la rapidez del proceso es tan
importante como la calidad de la solucin obtenida.
Un mtodo heurstico es un procedimiento para resolver un problema
de optimizacin bien definido mediante una aproximacin intuitiva, en
la que la estructura del problema se utiliza de forma inteligente para
obtener una buena solucin.

1.3.1 Mtodo Heurstico.

En Investigacin Operativa, el trmino heurstico tiene una concepcin
ms exigente:
Se califica de heurstico a un procedimiento para el que se tiene un
alto grado de confianza, aunque no se garantice su optimalidad o su
factibilidad, e incluso, en algunos casos, no se llegue a establecer lo
cerca que se est de dicha situacin. Se usa el calificativo heurstico
en contraposicin a exacto.
Es posible volver a evaluar y modificar opiniones, creencias,
expectativas y pronsticos sin la influencia dominante de alguien en
particular.

1.3.2 Mtodo de Optimizacin

La velocidad, fiabilidad y robustez que han alcanzado los modernos
mtodos de optimizacin hace posible que en la actualidad pasen a ser
un activo de la economa empresarial.
Un factor clave para el xito de un mtodo de optimizacin es que
permita incorporar a su estrategia de bsqueda el conocimiento
disponible de su propio dominio.
Por otra parte, el diseo del modelo de optimizacin correspondiente
no debe incorporar elementos de la realidad que no sean significativos
para el nivel de estudio que se realiza, sobretodo cuando introduzcan
una carga computacional innecesaria que pueda hacer inoperante el
modelo.

1.3.2 Mtodo de Optimizacin

Estos principios generales nos han llevado a utilizar en los diferentes
niveles del sistema los procedimientos de planificacin y optimizacin
que mejor se adecuen al perfil computacional del modelo.
Programacin Lineal (LP)
Programacin Entera Mixta (MIP)
Programacin con Restricciones (CP)
Programacin Estocstica
Mtodos Hbridos
Los mtodos de optimizacin ms ocupados son los siguientes:
La optimizacin clsica, se ocupa si la restriccin no existe, o es una
restriccin de igualdad, con menor o igual nmero de variables.
Optimizacin con restricciones de desigualdad - optimizacin no
clsica, se establece si la restriccin contiene mayor cantidad de
variables que la funcin objetivo, o la restriccin contiene restricciones
de desigualdad, existen mtodos en los que en algunos casos se
pueden encontrar los valores mximos o mnimos.

1.3.2 Mtodo de Optimizacin

Optimizacin estocstica, cuando las variables del problema (funcin
objetivo y/o restricciones) son variables aleatorias el tipo de
optimizacin realizada es optimizacin estocstica.
Optimizacin con informacin no perfecta, en este caso la cantidad de
variables, o ms an la funcin objetivo puede ser desconocida o
tambin variable.
En los problemas de optimizacin, los Multiplicadores de Lagrange,
nombrados as en honor a Joseph Louis Lagrange, son un mtodo para
trabajar con funciones de varias variables que interesa maximizar o
minimizar, y est sujeta a ciertas restricciones.