ScholarGate
Assistent
Process / pipeline

Robust optimering — Worst-Case Mathematical Programming

Robust optimering er et rammeverk for matematisk programmering, formalisert av Ben-Tal og Nemirovski på slutten av 1990-tallet og gjort bredt løsbart av Bertsimas og Sim (2004), som finner beslutninger garantert å prestere akseptabelt under ethvert scenario innenfor et forhåndsdefinert usikkerhetssett — i stedet for å anta at parametereverdier er kjent nøyaktig. I stedet for å optimalisere for et enkelt forventet utfall, minimerer den worst-case-objektivet på tvers av alle plausible realiseringer av usikre data.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. Ben-Tal, A., El Ghaoui, L. & Nemirovski, A. (2009). Robust Optimization. Princeton University Press. ISBN: 9780691143682
  2. Bertsimas, D. & Sim, M. (2004). The Price of Robustness. Operations Research, 52(1), 35-53. DOI: 10.1287/opre.1030.0065

Slik siterer du denne siden

ScholarGate. (2026, June 1). Robust Optimization (Minimax Programming). ScholarGate. https://scholargate.app/no/optimization/robust-optimization

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.

Compare side by side

Referert av

ScholarGateRobust Optimization (Robust Optimization (Minimax Programming)). Hentet 2026-06-15 fra https://scholargate.app/no/optimization/robust-optimization · Datasett: https://doi.org/10.5281/zenodo.20539026