Robust Integer Programming — Optimering under usikkerhed med integritetsbegrænsninger
Robust Integer Programming (RIP) finder heltals- eller binære løsninger, der forbliver feasible og nær-optimale på tværs af alle scenarier i et foreskrevet usikkerhedssæt. I stedet for at antage eksakt viden om data, sikrer RIP mod den værst tænkelige realisering af usikre omkostninger eller begrænsningskoefficienter, hvilket leverer beslutninger, der garanteret klarer sig godt, selv når input afviger fra deres nominelle værdier.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Robust Integer Programming — Optimization under uncertainty with integrality constraints. ScholarGate. https://scholargate.app/da/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.
- HeltalsprogrammeringOptimering↔ compare
- Blandet-heltallig programmeringSimulering↔ compare
- Robust Lineær ProgrammeringSimulering↔ compare
- Robust Mixed-Integer ProgrammingSimulering↔ compare
- Robust Multi-Objective OptimizationSimulering↔ compare
- Stokastisk HeltalsprogrammeringSimulering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →