Pemrograman Tujuan Kuat — Mencapai Berbagai Target di Bawah Ketidakpastian
Pemrograman Tujuan Kuat (RGP) memperluas pemrograman tujuan klasik untuk menangani parameter model yang tidak pasti atau ambigu. Alih-alih meminimalkan deviasi dari target yang pasti, RGP mencari solusi yang tetap layak dan mendekati optimal di berbagai skenario yang masuk akal atau realisasi data yang tidak pasti. RGP sangat berharga dalam masalah perencanaan di mana tujuan bersifat aspirasional dan data masukan membawa variabilitas inheren atau kesalahan estimasi.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Robust Goal Programming. ScholarGate. https://scholargate.app/id/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.
- Pemrograman TujuanPengambilan Keputusan↔ compare
- Pemrograman Tujuan Multi-ObjektifSimulasi↔ compare
- Pemrograman Linear RobustSimulasi↔ compare
- Optimasi Multi-Objektif RobustSimulasi↔ compare
- Pemrograman Sasaran StokastikSimulasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →