ScholarGate
Assistent
Process / pipelineSimulation / optimization

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.

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. Bertsimas, D., Sim, M. (2004). The price of robustness. Operations Research, 52(1), 35–53. DOI: 10.1287/opre.1030.0065
  2. 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.

Compare side by side

Referert av

ScholarGateRobust Mixed-Integer Programming (Robust Mixed-Integer Programming (RMIP) — Optimization under uncertainty with integer decision variables). Hentet 2026-06-15 fra https://scholargate.app/no/simulation/robust-mixed-integer-programming · Datasett: https://doi.org/10.5281/zenodo.20539026