Pemrograman Linear Robust — Optimasi di Bawah Ketidakpastian
Pemrograman Linear Robust (RLP) memperluas pemrograman linear klasik untuk menangani ketidakpastian dalam data masalah — koefisien biaya, koefisien kendala, atau sisi kanan — dengan mengharuskan solusi tetap layak dan mendekati optimal di seluruh realisasi parameter yang tidak pasti dalam himpunan ketidakpastian yang terdefinisi. RLP menggantikan asumsi probabilistik dengan jaminan kasus terburuk (worst-case), membuatnya praktis ketika pengetahuan distribusi terbatas.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Bertsimas, D., Sim, M. (2004). The price of robustness. Operations Research, 52(1), 35–53. DOI: 10.1287/opre.1030.0065 ↗
- Ben-Tal, A., Nemirovski, A. (1999). Robust solutions of uncertain linear programs. Operations Research Letters, 25(1), 1–13. DOI: 10.1016/S0167-6377(99)00016-4 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Robust Linear Programming — Uncertainty-Aware Linear Optimization. ScholarGate. https://scholargate.app/id/simulation/robust-linear-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 Linear DeterministikSimulasi↔ compare
- Pemrograman Tujuan KuatSimulasi↔ compare
- Pemrograman Campuran-Bilangan Bulat RobustSimulasi↔ compare
- Optimasi Multi-Objektif RobustSimulasi↔ compare
- Pemrograman Linear StokastikSimulasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →