برنامهریزی عدد صحیح مختلط قوی — بهینهسازی با متغیرهای صحیح تحت عدم قطعیت
برنامهریزی عدد صحیح مختلط قوی (RMIP) برنامهریزی عدد صحیح مختلط را با بهینهسازی قوی ترکیب میکند تا راهحلهایی بیابد که با وجود پارامترهای نامشخص، عملی و تقریباً بهینه باقی میمانند. به جای فرض دادههای ثابت، تصمیمات را در برابر تحققهای بدبینانه یا بدترین حالت ورودیهای نامشخص محافظت میکند و از یک مجموعه عدم قطعیت صریح برای کنترل درجه محافظهکاری استفاده میکند، در حالی که ساختار ترکیبی تصمیمات صحیح را حفظ میکند.
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
- 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
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Robust Mixed-Integer Programming (RMIP) — Optimization under uncertainty with integer decision variables. ScholarGate. https://scholargate.app/fa/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.
- برنامهریزی عدد صحیح مختلطشبیهسازی↔ compare
- برنامهریزی خطی مقاومشبیهسازی↔ compare
- بهینهسازی چندهدفه استوارشبیهسازی↔ compare
- برنامهریزی عدد صحیح مختلط تصادفیشبیهسازی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →