Solidne programowanie liniowe — optymalizacja w warunkach niepewności
Solidne programowanie liniowe (RLP) rozszerza klasyczne programowanie liniowe o obsługę niepewności w danych problemu — współczynnikach kosztów, współczynnikach ograniczeń lub prawych stronach — wymagając, aby rozwiązania pozostały wykonalne i bliskie optymalnym dla wszystkich realizacji niepewnych parametrów w zdefiniowanym zbiorze niepewności. Zastępuje założenia probabilistyczne gwarancjami najgorszego przypadku, co czyni je praktycznym, gdy wiedza o rozkładzie jest ograniczona.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Robust Linear Programming — Uncertainty-Aware Linear Optimization. ScholarGate. https://scholargate.app/pl/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.
- Programowanie liniowe deterministyczneSymulacja↔ compare
- Programowanie zorientowane na cel (Goal Programming)Symulacja↔ compare
- Niezawodne programowanie mieszane całkowitoliczboweSymulacja↔ compare
- Solidna optymalizacja wielokryterialnaSymulacja↔ compare
- Programowanie stochastyczne linioweSymulacja↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →