ScholarGate
دستیار
Process / pipelineSimulation / optimization

برنامه‌ریزی عدد صحیح مقاوم — بهینه‌سازی تحت عدم قطعیت با قیود تمامیت

برنامه‌ریزی عدد صحیح مقاوم (RIP) راه‌حل‌های صحیح یا دودویی را می‌یابد که در تمام سناریوهای یک مجموعه عدم قطعیت معین، امکان‌پذیر و نزدیک به بهینه باقی می‌مانند. RIP به جای فرض دانش دقیق داده‌ها، در برابر بدترین حالت تحقق هزینه‌های نامعلوم یا ضرایب قید، پوشش ریسک می‌دهد و تصمیماتی را ارائه می‌دهد که حتی زمانی که ورودی‌ها از مقادیر اسمی خود منحرف می‌شوند، عملکرد خوبی خواهند داشت.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. 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
  2. Ben-Tal, A., El Ghaoui, L., Nemirovski, A. (2009). Robust Optimization. Princeton University Press, Princeton, NJ. ISBN: 9780691143682

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Robust Integer Programming — Optimization under uncertainty with integrality constraints. ScholarGate. https://scholargate.app/fa/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.

Compare side by side

ارجاع‌شده در

ScholarGateRobust Integer Programming (Robust Integer Programming — Optimization under uncertainty with integrality constraints). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/simulation/robust-integer-programming · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026