Robustā veselo skaitļu programmēšana — optimizācija nenoteiktības apstākļos ar veselo skaitļu ierobežojumiem
Robustā veselo skaitļu programmēšana (RIP) atrod veselu skaitļu vai binārus risinājumus, kas paliek iespējami un gandrīz optimāli visos scenārijos paredzētā nenoteiktības kopā. Tā vietā, lai pieņemtu precīzas datu zināšanas, RIP nodrošina aizsardzību pret vissliktākajiem nenoteikto izmaksu vai ierobežojumu koeficientu realizācijas gadījumiem, nodrošinot lēmumus, kas garantēti darbosies labi pat tad, ja ieejas dati atšķiras no nominālajām vērtībām.
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
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Integer Programming — Optimization under uncertainty with integrality constraints. ScholarGate. https://scholargate.app/lv/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.
- Integer ProgrammingOptimizācija↔ compare
- Jaukta veselo skaitļu programmēšanaSimulācija↔ compare
- Robustā lineārā programmēšanaSimulācija↔ compare
- Robust Mixed-Integer ProgrammingSimulācija↔ compare
- Robustas daudzobjektīvu optimizācijaSimulācija↔ compare
- Stochastic Integer ProgrammingSimulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →