Robust Goal Programming (RGP) — sasniegt vairākus mērķus nenoteiktības apstākļos
Robust Goal Programming (RGP) paplašina klasisko mērķprogrammēšanu, lai apstrādātu nenoteiktus vai neprecīzus modeļa parametrus. Tā vietā, lai minimizētu novirzes no precīziem mērķiem, tā meklē risinājumus, kas paliek iespējami un gandrīz optimāli dažādu ticamu scenāriju vai nenoteiktu datu realizāciju diapazonā. RGP ir īpaši vērtīga plānošanas problēmās, kur mērķi ir ambiciozi, un ievades datiem piemīt dabiska mainība vai novērtējuma kļūdas.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Goal Programming. ScholarGate. https://scholargate.app/lv/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.
- MērķprogramēšanaLēmumu pieņemšana↔ compare
- Daudzobjektīvā mērķa programmēšanaSimulācija↔ compare
- Robustā lineārā programmēšanaSimulācija↔ compare
- Robustas daudzobjektīvu optimizācijaSimulācija↔ compare
- Stohastiskā mērķprogramēšanaSimulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →