Este curso introduce la idea de optimización (toma de decisiones) en entornos de incertidumbre, entendiéndose como tal el problema en el que alguno de los parámetros de entrada puede variar dentro de un rango determinado (intervalo de confianza). Se revisan varios ejemplos reales de este tipo de problemas y se estudia su modelado como problemas de optimización. En concreto, se estudian en este curso los problemas de optimización robusta, revisándose dos posibles estrategias. Por un lado, la estrategia arriesgada, que asume un riesgo en el sentido de esperar un valor favorable del parámetro incierto, mientras que la estrategia conservadora (aversión al riesgo), espera un valor desfavorable y asume un coste (coste de robustez) con objeto de reducir el riesgo. Se estudian las técnicas de solución y se revisa un ejemplo típico en sistemas de energía eléctrica (despacho económico con renovables. Se proporcionan además los códigos de los ejemplos en Matlab (versión 2018a o superior) usando un lenguaje orientado a problemas, permitiendo al alumno usarlos como base para futuros desarrollos. Los archivos ejecutables en Matlab pueden descargarse del repositorio: https://zenodo.org/records/10829023