Robust Lineær Programmering — Optimering Under Usikkerhet
Robust Lineær Programmering (RLP) utvider klassisk lineær programmering til å håndtere usikkerhet i problemdata — kostnadskoeffisienter, begrensningkoeffisienter eller høyresider — ved å kreve at løsninger forblir gjennomførbare og nær-optimale over alle realiseringer av usikre parametere innenfor et definert usikkerhetssett. Den erstatter probabilistiske antakelser med worst-case garantier, noe som gjør den praktisk når distribusjonskunnskap er begrenset.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Robust Linear Programming — Uncertainty-Aware Linear Optimization. ScholarGate. https://scholargate.app/no/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.
- Deterministisk Lineær Programmering – Klassisk LP med sikre parametereSimulering↔ compare
- Robust MålprogrammeringSimulering↔ compare
- Robust Mixed-Integer ProgrammingSimulering↔ compare
- Robust multi-objektiv optimeringSimulering↔ compare
- Stokastisk lineær programmeringSimulering↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →