Robuste gemischt-ganzzahlige Programmierung — Optimierung mit ganzzahligen Variablen unter Unsicherheit
Robuste gemischt-ganzzahlige Programmierung (RMIP) kombiniert gemischt-ganzzahlige Programmierung mit robuster Optimierung, um Lösungen zu finden, die trotz unsicherer Parameter zulässig und nahezu optimal bleiben. Anstatt feste Daten anzunehmen, schützt sie Entscheidungen gegen adversarische oder Worst-Case-Realisierungen unsicherer Eingaben, indem sie eine explizite Unsicherheitsmenge verwendet, um den Grad der Konservativität zu steuern und gleichzeitig die kombinatorische Struktur ganzzahliger Entscheidungen zu erhalten.
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. (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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Mixed-Integer Programming (RMIP) — Optimization under uncertainty with integer decision variables. ScholarGate. https://scholargate.app/de/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.
- Mixed-Integer ProgrammingSimulation↔ compare
- Robuste lineare ProgrammierungSimulation↔ compare
- Robuste MehrzieloptimierungSimulation↔ compare
- Stochastische Gemischt-Ganzzahlige ProgrammierungSimulation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →