Robust Mixed-Integer Programming — Optimering med heltallsvariabler under usikkerhet
Robust Mixed-Integer Programming (RMIP) kombinerer mixed-integer programming med robust optimering for å finne løsninger som forblir gjennomførbare og nær-optimale til tross for usikre parametere. I stedet for å anta faste data, beskytter den beslutninger mot adversarielle eller verste-fall-realiseringer av usikre innganger, ved å bruke et eksplisitt usikkerhetssett for å kontrollere graden av konservatisme, samtidig som den bevarer den kombinatoriske strukturen av heltallsbeslutninger.
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., El Ghaoui, L., Nemirovski, A. (2009). Robust Optimization. Princeton University Press, Princeton, NJ. ISBN: 9780691143682
Slik siterer du denne siden
ScholarGate. (2026, June 3). Robust Mixed-Integer Programming (RMIP) — Optimization under uncertainty with integer decision variables. ScholarGate. https://scholargate.app/no/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.
- HeltallsprogrammeringSimulering↔ compare
- Robust Lineær ProgrammeringSimulering↔ compare
- Robust multi-objektiv optimeringSimulering↔ compare
- Stokastisk heltallsprogrammeringSimulering↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →