Resumen de Optimización bajo incertidumbre: un vistazo a la programación estocástica
Prácticamente todos los problemas de optimización que surgen en el mundo real están sujetos a algún tipo de incertidumbre. En muchas ocasiones es razonable reemplazar los elementos estocásticos por aproximaciones deterministas, ya sea porque dicha incertidumbre es pequeña o porque afecta a parámetros no fundamentales del modelo. Sin embargo, muchas otras veces la resolución efectiva del problema pasa por trabajar con modelos de optimización que tengan en cuenta la incertidumbre de modo explícito. Es precisamente en este contexto en el que surge la programación estocástica, y en esta charla llevaremos a cabo una introducción informal a los mismos. Partiremos de una serie de ejemplos ilustrativos de las diferencias entre modelos deterministas y estocásticos, que permitirán obtener una primera impresión de los nuevos retos que supone la optimización bajo incertidumbre, tanto teóricos como prácticos. El núcleo de la presentación consistirá en recorrer las distintas capas en las que hay que trabajar de cara a una resolución exitosa de este tipo de problemas: comprensión de la versión determinista del problema y de las técnicas existentes para su resolución, modelado de la incertidumbre que rodea la versión estocástica, inclusión de medidas de riesgo en la función objetivo, desarrollo de metodologías para resolver el problema estocástico y estudio de la estabilidad de las mismas
