Pengaturcaraan Matlamat Teguh — Mencapai Pelbagai Sasaran Di Bawah Ketidakpastian
Pengaturcaraan Matlamat Teguh (RGP) melanjutkan pengaturcaraan matlamat klasik untuk mengendalikan parameter model yang tidak pasti atau samar. Daripada meminimumkan sisihan daripada sasaran yang jelas, ia mencari penyelesaian yang kekal boleh dilaksanakan dan hampir optimum merentasi pelbagai senario yang mungkin atau realisasi data yang tidak pasti. RGP amat berharga dalam masalah perancangan di mana matlamat adalah aspirasi dan data input membawa variabiliti intrinsik atau ralat anggaran.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Robust Goal Programming. ScholarGate. https://scholargate.app/ms/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.
- Pengaturcaraan MatlamatPembuatan Keputusan↔ compare
- Pengaturcaraan Matlamat Pelbagai ObjektifSimulasi↔ compare
- Pengaturcaraan Linear RobustSimulasi↔ compare
- Pengoptimuman Pelbagai Objektif yang TeguhSimulasi↔ compare
- Pengaturcaraan Matlamat StokastikSimulasi↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →