Programação Linear Robusta — Otimização Sob Incerteza
Programação Linear Robusta (RLP) estende a programação linear clássica para lidar com a incerteza nos dados do problema — coeficientes de custo, coeficientes de restrição ou lados direitos — exigindo que as soluções permaneçam factíveis e quase ótimas em todas as realizações dos parâmetros incertos dentro de um conjunto de incerteza definido. Ela substitui suposições probabilísticas por garantias de pior caso, tornando-a prática quando o conhecimento distribucional é limitado.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Robust Linear Programming — Uncertainty-Aware Linear Optimization. ScholarGate. https://scholargate.app/pt/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.
- Programação Linear DeterminísticaSimulação↔ compare
- Programação por Metas RobustaSimulação↔ compare
- Programação Inteira Mista RobustaSimulação↔ compare
- Otimização Robusta Multi-ObjetivoSimulação↔ compare
- Programação Linear EstocásticaSimulação↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →