Artículos académicos Stochastic simulation-based genetic algorithm for chance constrained fractional programming problem

Stochastic simulation-based genetic algorithm for chance constrained fractional programming problem

Comparte este artículo en

Autoría

Año de publicación

2010

Palabras clave

Programación, Solución de problemas, Simulación estocástica, Variables aleatorias

Título en español

Algoritmo genético basado en simulación estocástica para problemas de programación fraccional con restricciones de probabilidad

Descripción

El campo de la programación fraccionaria restringida al azar (CCFP) se ha convertido en un área enorme en los últimos años debido a sus aplicaciones en problemas de la vida real. Por lo tanto, encontrar una técnica de solución a la misma es de suma importancia. La técnica de solución hasta ahora ha sido derivar la equivalencia determinista de CCFP con coeficientes aleatorios en la función objetivo y/o restricciones y solo es posible si la variable aleatoria sigue una distribución específica con parámetros conocidos. Este artículo presenta un algoritmo genético (GA) basado en simulación estocástica para resolver problemas de CCFP, donde las variables aleatorias utilizadas pueden seguir cualquier distribución continua. El procedimiento de solución se prueba en algunos ejemplos numéricos. (Charles, V., Udhayakumar, A., & Uthariaraj, R., 2010)

Referencia

Charles, V., Udhayakumar, A., & Uthariaraj, R. (2010). Stochastic simulation-based genetic algorithm for chance constrained fractional programming problem. International Journal of Operational Research, 9(1), 23-38. http://dx.doi.org/10.1504/IJOR.2010.034359

Charles Vincent

Relacionados

Autoría: Otros autores de Centrum Think

Buscador