Robuste ganzzahlige Programmierung — Optimierung unter Unsicherheit mit ganzzahligen Nebenbedingungen
Robuste ganzzahlige Programmierung (RIP) findet ganzzahlige oder binäre Lösungen, die über alle Szenarien in einer vorgeschriebenen Unsicherheitsmenge zulässig und annähernd optimal bleiben. Anstatt exaktes Wissen über Daten vorauszusetzen, schützt RIP vor der ungünstigsten Realisierung unsicherer Kosten oder Koeffizienten von Nebenbedingungen und liefert Entscheidungen, die auch dann gut funktionieren, wenn die Eingaben von ihren Nennwerten abweichen.
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
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Integer Programming — Optimization under uncertainty with integrality constraints. ScholarGate. https://scholargate.app/de/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.
- Ganzzahlige ProgrammierungOptimierung↔ compare
- Mixed-Integer ProgrammingSimulation↔ compare
- Robuste lineare ProgrammierungSimulation↔ compare
- Robuste gemischt-ganzzahlige ProgrammierungSimulation↔ compare
- Robuste MehrzieloptimierungSimulation↔ compare
- Stochastische ganzzahlige ProgrammierungSimulation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →