Programación Lineal Robusta — Optimización Bajo Incertidumbre
La Programación Lineal Robusta (RLP) extiende la programación lineal clásica para manejar la incertidumbre en los datos del problema — coeficientes de costo, coeficientes de restricciones o términos independientes — exigiendo que las soluciones permanezcan factibles y casi óptimas en todas las realizaciones de parámetros inciertos dentro de un conjunto de incertidumbre definido. Reemplaza las suposiciones probabilísticas con garantías de peor caso, haciéndola práctica cuando el conocimiento distributivo es limitado.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Bertsimas, D., Sim, M. (2004). The price of robustness. Operations Research, 52(1), 35–53. DOI: 10.1287/opre.1030.0065 ↗
- Ben-Tal, A., Nemirovski, A. (1999). Robust solutions of uncertain linear programs. Operations Research Letters, 25(1), 1–13. DOI: 10.1016/S0167-6377(99)00016-4 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Robust Linear Programming — Uncertainty-Aware Linear Optimization. ScholarGate. https://scholargate.app/es/simulation/robust-linear-programming
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Programación Lineal DeterministaSimulación↔ compare
- Programación por Metas RobustaSimulación↔ compare
- Programación Entera Mixta RobustaSimulación↔ compare
- Optimización Multiobjetivo RobustaSimulación↔ compare
- Programación Lineal EstocásticaSimulación↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →