La programación con restricciones probabilísticas ( CCP ) es un método de optimización matemática que se utiliza para abordar problemas en condiciones de incertidumbre. Fue introducida por primera vez por Charnes y Cooper en 1959 y desarrollada posteriormente por Miller y Wagner en 1965. [ 1 ] [ 2 ] La CCP se utiliza ampliamente en diversos campos, como las finanzas , la ingeniería y la investigación operativa , para optimizar procesos de toma de decisiones en los que se deben satisfacer ciertas restricciones con una probabilidad específica.
Fundamentos teóricos
La programación con restricciones probabilísticas implica el uso de niveles de probabilidad y confianza para manejar la incertidumbre en problemas de optimización. Distingue entre restricciones probabilísticas simples y conjuntas:
- Restricciones de probabilidad única : Estas restricciones garantizan que cada restricción individual se cumpla con una determinada probabilidad.
- Restricciones de probabilidad conjunta : Estas restricciones aseguran que todas las restricciones se satisfagan simultáneamente con una cierta probabilidad. [ 3 ]
Formulación matemática
Un problema general de optimización con restricciones probabilísticas puede formularse de la siguiente manera:
Aquí,es la función objetivo ,representa las restricciones de igualdad,representa las restricciones de desigualdad,representa las variables de estado,representa las variables de control,representa los parámetros inciertos yes el nivel de confianza.
Las funciones objetivo comunes en CCP implican minimizar el valor esperado de una función de costo, posiblemente combinado con minimizar la varianza de la función de costo. [ 3 ]
Enfoques de solución
Para resolver problemas de CCP, el problema de optimización estocástica a menudo se relaja en un problema determinista equivalente. Existen diferentes enfoques dependiendo de la naturaleza del problema:
- CCP lineal : Para sistemas lineales, la región factible suele ser convexa y el problema se puede resolver utilizando técnicas de programación lineal .
- CCP no lineal : Para sistemas no lineales, el principal desafío reside en calcular las probabilidades y sus gradientes. Estos problemas suelen requerir solucionadores de programación no lineal .
- Sistemas dinámicos : Los sistemas dinámicos implican incertidumbres dependientes del tiempo, y el enfoque de solución debe tener en cuenta la propagación de la incertidumbre a lo largo del tiempo. [ 3 ]
Aplicaciones prácticas
La programación con restricciones probabilísticas se utiliza en ingeniería para la optimización de procesos bajo incertidumbre y la planificación de la producción, y en finanzas para la selección de carteras. [ 3 ] Se ha aplicado a la integración de energías renovables , [ 4 ] la generación de trayectorias de vuelo para UAVs [ 5 ] y la exploración espacial robótica. [ 6 ]
Optimización de procesos en condiciones de incertidumbre
El CCP se utiliza en ingeniería química y de procesos para optimizar las operaciones considerando las incertidumbres en las condiciones de operación y los parámetros del modelo. Por ejemplo, en la optimización del diseño y la operación de plantas químicas, el CCP ayuda a alcanzar los niveles de rendimiento deseados teniendo en cuenta las incertidumbres en la calidad de la materia prima, la demanda y las condiciones ambientales. [ 3 ]
Planificación y operaciones de producción
En la planificación de la producción , el CCP puede optimizar los cronogramas de producción y la asignación de recursos bajo incertidumbre de la demanda. Una formulación típica del problema implica maximizar las ganancias asegurando que las restricciones de producción se cumplan con cierta probabilidad. [ 3 ]
Selección de cartera con restricciones de azar
La selección de cartera con restricciones probabilísticas es un enfoque para la selección de cartera bajo aversión a pérdidas que se basa en el principio de control de cartera (CCP). El objetivo es maximizar los rendimientos esperados al tiempo que se garantiza que el riesgo de la cartera (por ejemplo, la varianza o el riesgo a la baja) se mantenga dentro de niveles aceptables con una cierta probabilidad. Este enfoque permite a los inversores considerar la incertidumbre en los rendimientos de los activos y tomar decisiones de inversión más informadas. [ 3 ]
Referencias
- ↑ Charnes, Abraham; Cooper, William W. (1959). "Programación con restricciones de probabilidad". Management Science . 6 (1): 73– 79. doi : 10.1287/mnsc.6.1.73 .
- ↑ Miller, LR; Wagner, HM (1965). "Programación con restricciones de probabilidad y restricciones conjuntas". Operations Research . 13 (6): 930– 945. doi : 10.1287/opre.13.6.930 .
- 1 2 3 4 5 6 7 Pu, Pu; Arellano-Garcia, Harvey; Wozny, Günter (2008). "Enfoque de programación con restricciones probabilísticas para la optimización de procesos bajo incertidumbre". Computers and Chemical Engineering . 32 ( 1– 2): 25– 45. doi : 10.1016/j.compchemeng.2007.05.009 .
- ↑ Zhang, Ning; Kang, Chongqing; Du, Ershun; Wang, Yi (2019). Análisis y optimización para la integración de energías renovables . CRC Press. pág. 180. ISBN 9780429847707.
- ↑ Chai, Runqi (2023). Estrategias avanzadas de optimización, guiado y control de trayectorias para vehículos aeroespaciales . Springer Nature Singapore. pág. 131. ISBN 9789819943111.
- ↑ Ono, Masahiro; Pavone, Marco; Kuwata, Yoshiaki; Balaram, J. (2015). "Programación dinámica con restricciones probabilísticas aplicada a la exploración espacial robótica con conciencia del riesgo". Autonomous Robots . 39 (4): 555– 571. doi : 10.1007/s10514-015-9467-7 .
- Optimización estocástica