Programación Estocástica
Lectura 01. Decidir bajo Incertidumbre, Optimización Estocástica
Fecha: 7 de Febrero de 2024
Decidir bajo Incertidumbre: Optimización Estocástica
La Optimización Estocástica busca la mejor decisión en un escenario dependiente
de sucesos aleatorios, dependientes del azar, ya sean esos sucesos los precios de
un producto, la duración de una tarea, el número de personas en la cola de un
cajero, el número de averías en una flota de camiones, o incluso la aprobación de
una normativa, vamos, cualquier cosa.
¿Estocástico? ¿Intentas asustarme?
“Estocástico” es una palabra especialmente temida, ya se sabe que la mayoría de
los lenguajes especializados se han hecho a mala idea, por expertos celosos que
quieren guardar sus secretos. Ahí tenemos el lenguaje jurídico, el económico, o más
cerca de nuestro trabajo, corre el rumor de que el creador del lenguaje C++ lo hizo
tan complicado para diferenciar a los buenos programadores de los malos. En
realidad, la palabra “estocástico” no es peligrosa, significa sencillamente aleatorio,
dependiente del azar. La idea es bastante sencilla, pero como adjetivo puede
complicar cualquier disciplina.
Problemas de Optimización Estocástica
Los problemas de optimización estocástica son en general mucho más complejos
que los que no consideran el azar, principalmente porque el azar implica que no
tenemos un solo escenario a optimizar, sino un conjunto de escenarios posibles.
Por ejemplo, si queremos optimizar el diseño de una red de distribución de energía,
trabajaremos en un escenario de incertidumbre, en el que desconocemos la
demanda real de energía en el momento de uso de la red. En lugar del dato de la
demanda tendríamos una estimación, quizás un conjunto finito de demandas
posibles con una probabilidad asociada. Con esto ya podemos intuir que el mundo
de la empresa está lleno de problemas estocásticos, ¿qué se suele hacer para
resolverlos?. En escenarios con decisiones sencillas, es decir pocas variables de
