Robustní celočíselné programování — optimalizace za nejistoty s celočíselnými omezeními
Robustní celočíselné programování (RIP) nachází celočíselná nebo binární řešení, která zůstávají přípustná a téměř optimální napříč všemi scénáři v předepsané množině nejistoty. Místo předpokladu přesné znalosti dat se RIP zajišťuje proti nejhorší možné realizaci nejistých nákladů nebo koeficientů omezení, což vede k rozhodnutím, která si vedou dobře i v případě, že vstupy odchylují od svých nominálních hodnot.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Bertsimas, D., Sim, M. (2003). Robust discrete optimization and network flows. Mathematical Programming, 98(1-3), 49-71. DOI: 10.1007/s10107-003-0396-4 ↗
- Ben-Tal, A., El Ghaoui, L., Nemirovski, A. (2009). Robust Optimization. Princeton University Press, Princeton, NJ. ISBN: 9780691143682
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Robust Integer Programming — Optimization under uncertainty with integrality constraints. ScholarGate. https://scholargate.app/cs/simulation/robust-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.
- Celočíselné programováníOptimalizace↔ compare
- Programování se smíšenými celočíselnými proměnnýmiSimulace↔ compare
- Robustní lineární programováníSimulace↔ compare
- Robustní celočíselné programování se smíšenými proměnnýmiSimulace↔ compare
- Robustní vícecilaová optimalizaceSimulace↔ compare
- Stochastické celočíselné programováníSimulace↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →