Otimização Estocástica por meio de dois problemas de programação linear com coeficientes aleatórios

Resumo

Existem problemas de programação linear que estão comumente sujeitos a incertezas em seus dados devido a erros de medição ou previsão. Tais problemas não podem ser diretamente tratados de forma determinística, ou seja, sem levar em consideração as incertezas nos dados, pois podem gerar resultados não confiáveis, dependendo do contexto no qual se inserem. Por este motivo, destacamos nesse artigo uma das áreas da Otimização que busca levar em consideração tais incertezas na formulação dos problemas, chamada Otimização Estocástica. Nessa formulação, o modelo necessita de um conhecimento prévio de informações probabilísticas dos parâmetros de incerteza. Sendo assim, buscamos realizar um estudo de otimização sujeito a incertezas por meio da Otimização Estocástica, além de discutir a importância de se considerar as incertezas em um problema de programação linear. Para exemplificar tais discussões, utilizamos dois problemas da literatura que são resolvidos por meio da abordagem estocástica.