Robuste Optimierung – Worst-Case Mathematische Programmierung
Robuste Optimierung ist ein mathematisches Programmierungsframework, das Ende der 1990er Jahre von Ben-Tal und Nemirovski formalisiert und von Bertsimas und Sim (2004) weitreichend handhabbar gemacht wurde. Es findet Entscheidungen, die unter jedem Szenario innerhalb einer vordefinierten Unsicherheitsmenge akzeptabel funktionieren – anstatt anzunehmen, dass Parameterwerte exakt bekannt sind. Anstatt für ein einziges erwartetes Ergebnis zu optimieren, minimiert es das Worst-Case-Ziel über alle plausiblen Realisierungen unsicherer Daten.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Ben-Tal, A., El Ghaoui, L. & Nemirovski, A. (2009). Robust Optimization. Princeton University Press. ISBN: 9780691143682
- Bertsimas, D. & Sim, M. (2004). The Price of Robustness. Operations Research, 52(1), 35-53. DOI: 10.1287/opre.1030.0065 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Robust Optimization (Minimax Programming). ScholarGate. https://scholargate.app/de/optimization/robust-optimization
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.
- Konvexe OptimierungOptimierung↔ compare
- Evolutionary Strategy (CMA-ES)Optimierung↔ compare
- Lineare ProgrammierungOptimierung↔ compare
- Stochastische OptimierungOptimierung↔ compare
- Optimierung mittels SurrogatenOptimierung↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →