Metodes pierādījumu reģistrs

Robust Mixed-Integer Programming

Robust Mixed-Integer Programming (RMIP) combines mixed-integer programming with robust optimization to find solutions that remain feasible and near-optimal despite uncertain parameters. Instead of assuming fixed data, it protects decisions against adversarial or worst-case realizations of uncertain inputs, using an explicit uncertainty set to control the degree of conservatism while preserving the combinatorial structure of integer decisions.

Sources recorded, not reviewed

Avota reģistrs

Atsauces kopētas tieši no metodes avota reģistra. Tās nenozīmē nekādu apgalvojumu līmeņa verifikāciju.

Robust Mixed-Integer Programming (RMIP) — Optimization under uncertainty with integer decision variables

Taksonomiskās metodes reģistrs · process-pipeline / simulation

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

Atvērt pilnu metodi

Kurēti apgalvojumi

Apgalvojumi saglabāti pierādījumu reģistrā, katram ar savu novērtējumu.

Vēl nav kurētu apgalvojumu

Šis skatījums neizgudro apgalvojumu novērtējumu, ja reģistrā tā nav.

Saistītās metodes

Ģenerēts no metodes grafika un parādīts kā mašīnas ieteiktas attiecības — netiek izvirzīts neviens pierādījumu apgalvojums.

Taxonomic bucketMixed-Integer Programmingmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust Linear Programmingmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust Multi-Objective Optimizationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketStochastic Mixed-Integer Programmingmachine-suggested · Relational suggestion, not evidence.