Robuuste Gemengd-Gehele Programmering — Optimalisatie met gehele variabelen onder onzekerheid
Robuuste Gemengd-Gehele Programmering (RMIP) combineert gemengd-gehele programmering met robuuste optimalisatie om oplossingen te vinden die haalbaar en bijna optimaal blijven ondanks onzekere parameters. In plaats van uit te gaan van vaste gegevens, beschermt het beslissingen tegen adversariële of worst-case realisaties van onzekere inputs, met behulp van een expliciete onzekerheidsset om de mate van conservatisme te beheersen, terwijl de combinatorische structuur van gehele beslissingen behouden blijft.
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., El Ghaoui, L., Nemirovski, A. (2009). Robust Optimization. Princeton University Press, Princeton, NJ. ISBN: 9780691143682
Deze pagina citeren
ScholarGate. (2026, June 3). Robust Mixed-Integer Programming (RMIP) — Optimization under uncertainty with integer decision variables. ScholarGate. https://scholargate.app/nl/simulation/robust-mixed-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.
- Mixed-Integer ProgrammingSimulatie↔ compare
- Robuuste Lineaire ProgrammeringSimulatie↔ compare
- Robuuste Multi-Objective OptimalisatieSimulatie↔ compare
- Stochastisch Gemengd-Geheelgetal ProgrammerenSimulatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →