Niezawodne programowanie mieszane całkowitoliczbowe — Optymalizacja z wykorzystaniem zmiennych całkowitoliczbowych w warunkach niepewności
Niezawodne programowanie mieszane całkowitoliczbowe (RMIP) łączy programowanie mieszane całkowitoliczbowe z optymalizacją niezawodną, aby znaleźć rozwiązania, które pozostają wykonalne i bliskie optymalnym pomimo niepewnych parametrów. Zamiast zakładać stałe dane, chroni decyzje przed niekorzystnymi lub najgorszymi realizacjami niepewnych danych wejściowych, wykorzystując jawny zbiór niepewności do kontrolowania stopnia konserwatyzmu, jednocześnie zachowując kombinatoryczną strukturę decyzji całkowitoliczbowych.
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., El Ghaoui, L., Nemirovski, A. (2009). Robust Optimization. Princeton University Press, Princeton, NJ. ISBN: 9780691143682
Jak cytować tę stronę
ScholarGate. (2026, June 3). Robust Mixed-Integer Programming (RMIP) — Optimization under uncertainty with integer decision variables. ScholarGate. https://scholargate.app/pl/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.
- Programowanie całkowitoliczboweSymulacja↔ compare
- Solidne programowanie linioweSymulacja↔ compare
- Solidna optymalizacja wielokryterialnaSymulacja↔ compare
- Programowanie stochastyczne z ograniczeniami całkowitoliczbowymiSymulacja↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →