Robust Mixed-Integer Programming — Optimering med heltalsvariable under usikkerhed
Robust Mixed-Integer Programming (RMIP) kombinerer mixed-integer programming med robust optimering for at finde løsninger, der forbliver feasible og nær-optimale på trods af usikre parametre. I stedet for at antage faste data beskytter den beslutninger mod adversariale eller worst-case realiseringer af usikre input ved at bruge et eksplicit usikkerhedssæt til at kontrollere graden af konservatisme, samtidig med at den kombinatoriske struktur af heltalsbeslutninger bevares.
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. (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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Robust Mixed-Integer Programming (RMIP) — Optimization under uncertainty with integer decision variables. ScholarGate. https://scholargate.app/da/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.
- Blandet-heltallig programmeringSimulering↔ compare
- Robust Lineær ProgrammeringSimulering↔ 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 →