Робастное программирование целевых установок — достижение множественных целей в условиях неопределенности
Робастное программирование целевых установок (RGP) расширяет классическое программирование целевых установок для работы с неопределенными или неоднозначными параметрами модели. Вместо минимизации отклонений от точных целевых значений, оно ищет решения, которые остаются допустимыми и близкими к оптимальным в диапазоне правдоподобных сценариев или реализаций неопределенных данных. RGP особенно ценно в задачах планирования, где цели являются желаемыми, а входные данные несут в себе присущую изменчивость или погрешность оценки.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Charnes, A., Cooper, W. W. (1961). Management Models and Industrial Applications of Linear Programming. Wiley, New York. ISBN: 9780471155041
- Mulvey, J. M., Vanderbei, R. J., Zenios, S. A. (1995). Robust optimization of large-scale systems. Operations Research, 43(2), 264-281. DOI: 10.1287/opre.43.2.264 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust Goal Programming. ScholarGate. https://scholargate.app/ru/simulation/robust-goal-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.
- Программирование целевых установокПринятие решений↔ compare
- Многокритериальное целевое программированиеИмитационное моделирование↔ compare
- Робастное линейное программированиеИмитационное моделирование↔ compare
- Робастная многокритериальная оптимизацияИмитационное моделирование↔ compare
- Стохастическое целевое программированиеИмитационное моделирование↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →