Descripción
La programación lineal (LP) ha demostrado durante mucho tiempo su mérito como la técnica más flexible y más utilizada para los problemas de asignación de recursos en varios campos. Para resolver un problema de PL, tradicionalmente hemos considerado valores nítidos para los parámetros, que no son realistas en la toma de decisiones del mundo real bajo incertidumbre. La teoría de conjuntos borrosos se ha utilizado para modelar los valores de parámetros imprecisos en problemas de PL para superar esta deficiencia, lo que da como resultado un problema de PL borroso (FLP). Este artículo propone un nuevo método para resolver problemas de programación lineal de variables difusas (FVLP) en los que las variables de decisión y los vectores de recursos son números borrosos. Mostramos cómo usar el algoritmo simplex estándar para resolver este problema al convertir el problema borroso en uno nítido una vez que se elige una función de clasificación lineal. La novedad del modelo propuesto reside en que requiere menos esfuerzo en cálculos difusos en comparación con los métodos difusos existentes. (Ebrahimnejad, A., Tavana, M., & Vincent, C., 2022)
Referencia
Ebrahimnejad, A., Tavana, M., & Vincent, C. (2022). Analytics under uncertainty: A novel method for solving linear programming problems with trapezoidal fuzzy variables. Soft Computing, 26(1), 327-347. https://doi.org/10.1007/s00500-021-06389-7 [Published: January (1st Quarter/Winter) 2022]
