Look-up in Google Scholar
Title: Aplicación de la programación lineal posibilística a problemas de optimización con imprecisión
Advisor(s): Gutiérrez Segura, Flabio Alfonso
OCDE field: http://purl.org/pe-repo/ocde/ford#1.01.02
Issue Date: 2021
Institution: Universidad Nacional de Piura
Abstract: Un problema de programación matemática está formado por restricciones y una función obje- tivo, donde se supone conocidos los parámetros C (utilidades o costos), B (disponibilidad de recursos) y A (la matriz de los coeficientes tecnológicos); se busca variables de decisión que optimicen la función objetivo. En los problemas de optimización, algunos parámetros pueden ser inciertos, si la incertidumbre es de tipo estocástica se trata con la Optimización Estocásti- ca (OE); si en problema se permite cierta relajación del valor de los parámetros dentro de un rango de tolerancia (vaguedad), y esta relajación puede ser representada por una función lineal de pertenencia monótona decreciente o decreciente, estamos ante un problema de Programación Lineal Difusa (PLD). Por otro lado, si un parámetro impreciso se puede representar por una dis- tribución de posibilidad de tipo lineal, que indica el grado de la posibilidad de ocurrencia de un evento, estamos ante un problema de Programación Lineal Posibilista (PLP),estos parámetros se pueden representar por un conjunto difuso especialemente por un número difuso triangular . En este trabajo nos enfocamos los diversos casos que pueden ocurrir en la PLP (algunos de los C, B, A, o una combinación de ellos son imprecisos), presentamos los modelos que hay para cada caso, su métodos de solución y ejemplos de aplicación.
Discipline: Ciencias con mención en Matemática Aplicada
Grade or title grantor: Universidad Nacional de Piura. Facultad de Ciencias
Grade or title: Maestro en Ciencias con mención en Matemática Aplicada
Juror: López Castillo, Julio Enrique; García Saba, Manuel Hernán; Reyes Reyes, Juan Martín
Register date: 5-Feb-2022



This item is licensed under a Creative Commons License Creative Commons