Programmation en nombres entiers robuste — Optimisation sous incertitude avec contraintes d'intégralité
La programmation en nombres entiers robuste (RIP) trouve des solutions entières ou binaires qui restent réalisables et quasi-optimales dans tous les scénarios d'un ensemble d'incertitude prescrit. Plutôt que de supposer une connaissance exacte des données, la RIP se protège contre la réalisation du pire cas des coûts incertains ou des coefficients de contrainte, fournissant des décisions garanties de bien performer même lorsque les entrées s'écartent de leurs valeurs nominales.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
- Ben-Tal, A., El Ghaoui, L., Nemirovski, A. (2009). Robust Optimization. Princeton University Press, Princeton, NJ. ISBN: 9780691143682
Comment citer cette page
ScholarGate. (2026, June 3). Robust Integer Programming — Optimization under uncertainty with integrality constraints. ScholarGate. https://scholargate.app/fr/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.
- Programmation en nombres entiersOptimisation↔ compare
- Programmation Linéaire en Nombres EntiersSimulation↔ compare
- Programmation Linéaire RobusteSimulation↔ compare
- Programmation Linéaire en Nombres Entiers RobusteSimulation↔ compare
- Optimisation Robuste Multi-ObjectifSimulation↔ compare
- Programmation Linéaire en Nombres Entiers StochastiqueSimulation↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →