Robust Mixed-Integer Programming — Optimeerimine muutujatega, millel on täisarvud, ebakindluse tingimustes
Robust Mixed-Integer Programming (RMIP) ühendab segatäisarvulise programmeerimise robustse optimeerimisega, et leida lahendusi, mis jäävad teostuvaks ja peaaegu optimaalseks vaatamata ebakindlatele parameetritele. Selle asemel, et eeldada fikseeritud andmeid, kaitseb see otsuseid ebakindlate sisendite vastandlike või halvimate võimalike realiseerumiste eest, kasutades eksplitsiitset ebakindluse hulka, et kontrollida konservatiivsuse taset, säilitades samal ajal täisarvuliste otsuste kombinatoorse struktuuri.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Robust Mixed-Integer Programming (RMIP) — Optimization under uncertainty with integer decision variables. ScholarGate. https://scholargate.app/et/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.
- SegmendiprognoosimineSimulatsioon↔ compare
- Tugev LineaarplaneerimineSimulatsioon↔ compare
- Robustne mitmeotstarbeline optimeerimineSimulatsioon↔ compare
- Stochastic Mixed-Integer ProgrammingSimulatsioon↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →