Robustní lineární programování — Optimalizace za nejistoty
Robustní lineární programování (RLP) rozšiřuje klasické lineární programování o zpracování nejistoty v datech problému — nákladových koeficientech, koeficientech omezení nebo pravých stranách — tím, že vyžaduje, aby řešení zůstala přípustná a téměř optimální pro všechny realizace nejistých parametrů v rámci definované množiny nejistoty. Nahrazuje pravděpodobnostní předpoklady zárukami nejhoršího případu, což je praktické, když jsou znalosti o rozdělení omezené.
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. (2004). The price of robustness. Operations Research, 52(1), 35–53. DOI: 10.1287/opre.1030.0065 ↗
- Ben-Tal, A., Nemirovski, A. (1999). Robust solutions of uncertain linear programs. Operations Research Letters, 25(1), 1–13. DOI: 10.1016/S0167-6377(99)00016-4 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Robust Linear Programming — Uncertainty-Aware Linear Optimization. ScholarGate. https://scholargate.app/cs/simulation/robust-linear-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.
- Deterministické lineární programováníSimulace↔ compare
- Robustní programování cílůSimulace↔ compare
- Robustní celočíselné programování se smíšenými proměnnýmiSimulace↔ compare
- Robustní vícecilaová optimalizaceSimulace↔ compare
- Stochastické lineární programováníSimulace↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →