Optimización bajo incertidumbre
La estocasticidad o incertidumbre aparece en todos los sistemas pero hasta ahora no era posible la solución de problemas de optimización de grandes sistemas considerando explícitamente ésta. La incertidumbre puede deberse a carencia de datos fiables, errores de medida o tratarse de parámetros que representan información sobre el futuro.
No toda la incertidumbre se encuentra en el mismo horizonte temporal. En optimización determinista se supone que los parámetros del problema son conocidos con certeza, aunque sea a su valor medio. En optimización estocástica (stochastic optimization SP) se relaja esta condición. No se conocen sus valores, sólo sus distribuciones y habitualmente se supone que éstas son discretas con un número finito de estados posibles.
El objetivo de este texto es profundizar en el estudio de los conceptos, tecnologías y desarrollos algorítmicos que permitan introducir un adecuado tratamiento de la incertidumbre en problemas de programación estocástica. Este campo, también conocido como Optimización bajo Incertidumbre, se ha desarrollado con contribuciones procedentes de la investigación operativa, economía, matemáticas, probabilidad y estadística.
ÍNDICE
Prólogo
I. Teoría
II.Métodos de resolución
III. Casos de aplicación
IV. Aplicaciones prácticas de la industria
V. Software
Bobliografía
AUTORES:
MÁS TÍTULOS RELACIONADOS: INGENIERÍA
