Robuuste Lineaire Programmering — Optimalisatie onder Onzekerheid
Robuuste Lineaire Programmering (RLP) breidt klassieke lineaire programmering uit om om te gaan met onzekerheid in probleemdata — kostencoëfficiënten, restrictiecoëfficiënten of rechterzijden — door te vereisen dat oplossingen haalbaar en bijna-optimaal blijven voor alle realisaties van onzekere parameters binnen een gedefinieerde onzekerheidsverzameling. Het vervangt probabilistische aannames door worst-case garanties, waardoor het praktisch is wanneer kennis over de verdeling beperkt is.
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
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Robust Linear Programming — Uncertainty-Aware Linear Optimization. ScholarGate. https://scholargate.app/nl/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.
- Deterministisch Lineair ProgrammerenSimulatie↔ compare
- Robuuste DoelprogrammeringSimulatie↔ compare
- Robuuste Gemengd-Gehele ProgrammeringSimulatie↔ compare
- Robuuste Multi-Objective OptimalisatieSimulatie↔ compare
- Stochastische Lineaire ProgrammeringSimulatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →