برنامهریزی هدف قوی — دستیابی به اهداف چندگانه تحت عدم قطعیت
برنامهریزی هدف قوی (RGP) برنامهریزی هدف کلاسیک را برای مدیریت پارامترهای مدل نامشخص یا مبهم گسترش میدهد. به جای کمینهسازی انحرافات از اهداف مشخص، به دنبال راهحلهایی است که در طیفی از سناریوهای محتمل یا تحقق دادههای نامشخص، عملی و تقریباً بهینه باقی بمانند. RGP در مسائل برنامهریزی که در آنها اهداف بلندپروازانه هستند و دادههای ورودی دارای تغییرپذیری ذاتی یا خطای تخمین هستند، ارزشمند است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Charnes, A., Cooper, W. W. (1961). Management Models and Industrial Applications of Linear Programming. Wiley, New York. ISBN: 9780471155041
- Mulvey, J. M., Vanderbei, R. J., Zenios, S. A. (1995). Robust optimization of large-scale systems. Operations Research, 43(2), 264-281. DOI: 10.1287/opre.43.2.264 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Robust Goal Programming. ScholarGate. https://scholargate.app/fa/simulation/robust-goal-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.
- برنامهریزی هدفتصمیمگیری↔ compare
- برنامهریزی آرمانی چندهدفهشبیهسازی↔ compare
- برنامهریزی خطی مقاومشبیهسازی↔ compare
- بهینهسازی چندهدفه استوارشبیهسازی↔ compare
- برنامهریزی هدف تصادفیشبیهسازی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →