El Projecte Fi de Carrera presentat tracta sobre la construcció d'arbres d'escenaris i la seva aplicació en problemes de Programació Estocastica. Un arbre d'escenaris constitueix una representació discreta del conjunt de possibles estats futurs d'un procés estocastic, per exemple, la carrega electrica, el preu de I'electricitat, el preu del fuel, etc. Nonnalment els arbres generats contenen un nombre d'escenaris massa gr~ fet que comporta una costosa i poc eficient resolució dels models d'optimització on són utilitzats. Per tal d'aconseguir una eficient resolució, duem a teone una aproximació de l'arbre original amb un arbre foonat per un nombre més reduit d'escenaris. Per tal de poder realitzar aquesta reducció s'han implementat dos tipus d'algorismes de reducció d'escenaris descrits en l'artic1e de Growe-Kuska, Heitsch i Romisch [10]: Simultaneous Backward Reduction Fast Forward Selection Es tracta de dos algorismes heuristics de reducció que determinen un subconjunt del conjunt d'escenaris inicials i assignen noves probabilitats als escenaris conservats. La metodologia de Simultaneous Backward Reduction es basa en l'eliminació d'escenaris fins a que resten el nombre desitjat d'escenaris conservats. Mentre que en el cas de Fast Forward Selection es fonamenta en la selecció d'escenaris fins a obtenir el nombre desitjat d'escenaris preservats. Aquests dos algorismes han estat implementats en el lIenguatge de modelització matematica AMPL