Robustā lineārā programmēšana — optimizācija nenoteiktības apstākļos
Robustā lineārā programmēšana (RLP) paplašina klasisko lineāro programmēšanu, lai risinātu nenoteiktību problēmas datos — izmaksu koeficientos, ierobežojumu koeficientos vai labās puses vērtībās —, pieprasot, lai risinājumi saglabātos pieļaujami un tuvu optimāliem visās nenoteikto parametru realizācijās noteiktā nenoteiktības kopā. Tā aizstāj varbūtības pieņēmumus ar sliktākā gadījuma garantijām, padarot to praktisku, ja sadalījuma zināšanas ir ierobežotas.
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. (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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Linear Programming — Uncertainty-Aware Linear Optimization. ScholarGate. https://scholargate.app/lv/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.
- Lineārā programmēšana ar noteiktiem parametriemSimulācija↔ compare
- Robust Goal Programming (RGP)Simulācija↔ compare
- Robust Mixed-Integer ProgrammingSimulācija↔ compare
- Robustas daudzobjektīvu optimizācijaSimulācija↔ compare
- Stochastic Linear ProgrammingSimulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →