Робастно смесено-цялочислено програмиране — Оптимизация с целочислени променливи при несигурност
Робастното смесено-цялочислено програмиране (RMIP) комбинира смесено-цялочислено програмиране с робастна оптимизация, за да намери решения, които остават осъществими и близо до оптималните въпреки несигурни параметри. Вместо да приема фиксирани данни, то защитава решенията срещу враждебни или най-лоши реализации на несигурни входни данни, използвайки експлицитен набор от несигурност, за да контролира степента на консерватизъм, като същевременно запазва комбинаторната структура на целочислените решения.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Bertsimas, D., Sim, M. (2004). The price of robustness. Operations Research, 52(1), 35–53. DOI: 10.1287/opre.1030.0065 ↗
- Ben-Tal, A., El Ghaoui, L., Nemirovski, A. (2009). Robust Optimization. Princeton University Press, Princeton, NJ. ISBN: 9780691143682
Как да цитирате тази страница
ScholarGate. (2026, June 3). Robust Mixed-Integer Programming (RMIP) — Optimization under uncertainty with integer decision variables. ScholarGate. https://scholargate.app/bg/simulation/robust-mixed-integer-programming
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Целочислено линейно оптимиранеСимулационно моделиране↔ compare
- Робастно линейно програмиранеСимулационно моделиране↔ compare
- Робастна многокритериална оптимизацияСимулационно моделиране↔ compare
- Стохастично смесено-цялочислено програмиранеСимулационно моделиране↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →