La optimización central elige la mejor opción si se cumplen todos los supuestos.
La optimización central elige la mejor opción si se cumplen todos los supuestos. Una decisión robusta busca desempeño aceptable en varios mundos plausibles. El arrepentimiento minimax compara cada opción con la que se habría elegido conociendo el escenario y conserva la de menor pérdida de oportunidad máxima.
Decisión y método.
Mantenga un plan menos óptimo en el escenario central cuando proteja mucho mejor la contribución frente a supuestos adversos plausibles. Defina mundo central, demanda débil, reacción competitiva y choque de costes desde rangos y dependencias documentados. Para cada pareja opción-escenario calcule contribución, caja, servicio y restricciones con las mismas convenciones. Filtre cumplimiento, caja, capacidad y umbrales de servicio antes de clasificar. Reste cada resultado al mejor de su columna; publique arrepentimiento máximo, medio, resultado central y frecuencia de dominación. Desempate opciones cercanas por reversibilidad: coste de retorno, demora de aprendizaje y posibilidad de ampliar compromiso tras observar resultados.
Ejemplo calculado.
Agresivo produce 520 mil €, 80 mil €, 40 mil € y 180 mil €. Equilibrado produce 410 mil €, 240 mil €, 220 mil € y 260 mil €; conservador 280 mil €, 260 mil €, 250 mil € y 300 mil €. Los mejores resultados son 520 mil €, 260 mil €, 250 mil € y 300 mil €. Arrepentimiento máximo: agresivo 210 mil €, equilibrado 110 mil €, conservador 240 mil €. Se retiene equilibrado: cede 110 mil € en el centro pero protege mejor contra demanda baja, competencia y choque de costes.
Controles y límites.
Los escenarios son mundos coherentes, no extremos combinados independientemente; todas las opciones cumplen restricciones duras; publique arrepentimiento máximo, medio y resultado central juntos; prefiera reversibilidad cuando estén cerca. Minimax depende del conjunto de escenarios e ignora probabilidades. Prudencia excesiva puede sacrificar oportunidades; interacciones dinámicas y aprendizaje secuencial requieren modelo multietapa.
Recursos y fuentes.
Descargar la matriz minimax-regret. Relacionado: identificar supuestos decisivos, comparar escenarios, formalizar restricciones duras. Fuentes: Savage (1951); Ben-Tal y Nemirovski (1998); Bertsimas y Sim (2004).