ESG UQÀM Chaire de recherche industrielle CRSNG en management logistique École des sciences de la gestion Université du Québec à Montréal

Case postale 8888, succursale Centre-Ville Montréal (Québec) H3C 3P8 Téléphone : (514) 987-3000, poste 4848 Télécopieur : (514) 987-3343

Courriel : ChaireCRSNGLogistique@uqam.ca Web : http://www.chairecrsnglogistique.uqam.ca

SÉMINAIRE CONJOINT

Séminaire conjoint - Centre de recherche sur les transports (C.R.T.), Chaire de recherche du Canada en distributique, Chaire de recherche du Canada en logistique et en transport, Chaire de recherche industrielle du CRSNG en management logistique - Incertitude et optimisation (Understanding the effects of uncertainty in optimization). Conférencier invité: Professeur Stein W. Wallace.

Understanding the Effects of Uncertainty in Optimization

Séminaire conjoint - Centre de recherche sur les transports (C.R.T.), Chaire de recherche du Canada en distributique, Chaire de recherche du Canada en logistique et en transport, Chaire de recherche industrielle du CRSNG en management logistique.

Cet événement aura le 8 décembre 2006, à 10h30, au Pavillon André-Aisenstadt, salle 5441, Campus de l'Université de Montréal. Une période d’échanges et questions suivra à la fin.

Conférencier invité: M. Stein W. Wallace, professeur, Molde University College, Norvège, en congé sabbatique à ESG UQAM

RÉSUMÉ:

Most decisions are made under some uncertainty about the future. Most models do not take that explicitly into account. Is that a minor issue or a major problem? The purpose of this lecture is to illustrate how deterministic models, even combined with sensitivity analysis, what-if-sessions or other similar tools, can lead to rather bad decisions. Using one example from network design and one from scheduling, I show how solutions from deterministic models differ from those of stochastic models in systematic and recognizable ways. I also try to show ways forward in terms of capturing these differences without solving (unsolvable) stochastic optimization problems. So the overall goal of the underlying research is to find good (if not optimal) solutions to stochastic optimization problems without solving such problems.