Robuuste Doelprogrammering — Meerdere Doelen Bereiken Onder Onzekerheid
Robuuste Doelprogrammering (RGP) breidt klassieke doelprogrammering uit om onzekere of ambigue modelparameters te hanteren. In plaats van afwijkingen van precieze doelen te minimaliseren, zoekt het oplossingen die haalbaar en bijna optimaal blijven over een reeks plausibele scenario's of onzekere data-realisaties. RGP is bijzonder waardevol in planningsproblemen waarbij doelen aspiratief zijn en inputdata inherente variabiliteit of schattingsfouten bevat.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Robust Goal Programming. ScholarGate. https://scholargate.app/nl/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.
- Goal ProgrammingBesluitvorming↔ compare
- Multi-Objective Goal ProgrammingSimulatie↔ compare
- Robuuste Lineaire ProgrammeringSimulatie↔ compare
- Robuuste Multi-Objective OptimalisatieSimulatie↔ compare
- Stochastische DoelprogrammeringSimulatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →