Dynamic optimization with hybrid numbers: two case studies

##plugins.themes.bootstrap3.article.main##

##plugins.themes.bootstrap3.article.sidebar##

Published 18-09-2018
Luisa Lucila Lazarri Patricia Inés Mouliá María José Fernández

Abstract

Dynamic programming is an optimization system method or its mathematical representation, operating in phases, in other words, decisions are made sequentially.

In many situations the available information is not homogeneous, this is objective data and uncertain one. In these cases, the use of hybrid numbers which combine randomness with fuzziness is useful to avoid losing information.

In the present paper dynamic programming is applied in two cases: the design of a highway which construction should have the lowest possible cost and the distribution of investments in advertising which should provide the maximum benefit.

In both situations, the values obtained with the available information are expressed by means of hybrid numbers, using a different representation in each case.Dynamic optimization - hybrid numbers - fuzziness - randomness

How to Cite

Lazarri, L. L., Mouliá, P. I., & Fernández, M. J. (2018). Dynamic optimization with hybrid numbers: two case studies. Cuadernos De Gestión, 6(2), 103–118. https://doi.org/10.5295/cdg.19170ll
Abstract 98 | PDF (Español) Downloads 58

##plugins.themes.bootstrap3.article.details##

Keywords

Dynamic optimization, hybrid numbers, fuzziness, randomness

References
BRONSON, R. (1996). Investigación de operaciones, México, McGraw-Hill, Serie Schawn.
BOJADZIEV, G; BOJADZIEV, M. (1997). Fuzzy Logic for Business, Finance, and Management, Singapore, World Scientific Publishing Co. Pte. Ltd.
BORTOLAN G.; DEGANI, R. (1993). «A Review of some methods for ranking fuzzy subsets», en DUBOIS; PRADE; YAGER (Eds.) Fuzzy Sets for Intelligent Systems, Londres, Morgan Kaufmann Publishers Inc.
BUCKLEY, J.J. (1992). «Solving fuzzy equations in economics and finance». Fuzzy Sets and Systems, vol. 48, pp.289-296.
KAUFMANN, A. (1967). Métodos y modelos de la programación dinámica, Las matemáticas de la empresa, México, Compañía Editorial Continental S.A.
KAUFMANN, A. (1977). Introduction a la Theorie des Sous-Ensembles Flous a L’Usage des Ingenieurs, Paris, Masson, S.A., Editeur.
KAUFMANN, A.; GIL ALUJA, J. (1986). Introducción a la teoría de los subconjuntos borrosos a la gestión de las empresas, Santiago de Compostela, Editorial Milladoro.
KAUFMANN, A.; GIL ALUJA, J. (1987). Técnicas operativas de gestión para el tratamiento de la incertidumbre, Barcelona, Editorial Hispano Europea.
KAUFMANN, A.; GUPTA. M. (1985). Introduction to Fuzzy Arithmetic: Theory and Applications, van Nostrand Reinhold, Electric/Computer Science and Engineering Series, Nueva York.
KLIR G.; YUAN, B. (1995). Fuzzy Sets and Fuzzy Logic. Theory and Applications, Washington D.C., Prentice-Hall PTR.
LANDRO, A. (1999). Acerca de la probabilidad, Buenos Aires, Economizarte.
LAZZARI, L.L.; FERNÁNDEZ, M. J. (2004). «El empleo de números híbridos en la optimización dinámica». Actas XIX Jornadas Nacionales de Docentes de Matemática de Facultades de Ciencias Económicas y Afines. Paraná, pp.38-50.
LAZZARI, L. (comp.) (2001). Los conjuntos borrosos y su aplicación a la programación lineal, Buenos Aires, Facultad de Ciencias Económicas, UBA.
LAZZARI, L.L.; MACHADO, E.A. M.; PÉREZ, R. H. (1994). «Administración de una campaña publicitaria». Alta Gerencia. Estrategias para la Administración. Año II, Tomo IV, Buenos Aires, pp. 277-288.
LAZZARI, L. L.; MOULIÁ, P. I. (2005) «En busca del camino óptimo cuando la aleatoriedad y la incertidumbre se adicionan», Actas XII EMCI, San Juan, pp. 31-42.
SHAMBLIN, J. E.; STEVENS G. T. JR. (1974). Investigación de operaciones, Bogotá, McGraw-Hill.
WANG, X.; KERRE E. (2001). «Reasonable properties for the ordering of fuzzy quantities (I)». Fuzzy Sets and Systems, vol. 118, pp.375-385.
YING-MING, L.; MAO-KANG, L. (1997). Fuzzy Topology, Singapur, World Scientific.
ZADEH, L. A. (1965). «Fuzzy Sets». Information and Control 8, pp. 338-353.
Section
Articles