Робастное целочисленное программирование — Оптимизация в условиях неопределенности с ограничениями целочисленности
Робастное целочисленное программирование (RIP) находит целочисленные или бинарные решения, которые остаются допустимыми и почти оптимальными для всех сценариев из заданного множества неопределенности. Вместо предположения о точном знании данных, RIP хеджирует против наихудшей реализации неопределенных затрат или коэффициентов ограничений, предоставляя решения, которые гарантированно хорошо работают даже при отклонении входных данных от их номинальных значений.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Bertsimas, D., Sim, M. (2003). Robust discrete optimization and network flows. Mathematical Programming, 98(1-3), 49-71. DOI: 10.1007/s10107-003-0396-4 ↗
- Ben-Tal, A., El Ghaoui, L., Nemirovski, A. (2009). Robust Optimization. Princeton University Press, Princeton, NJ. ISBN: 9780691143682
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust Integer Programming — Optimization under uncertainty with integrality constraints. ScholarGate. https://scholargate.app/ru/simulation/robust-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.
- Целочисленное программированиеОптимизация↔ compare
- Смешанное целочисленное программированиеИмитационное моделирование↔ compare
- Робастное линейное программированиеИмитационное моделирование↔ compare
- Робастное смешанно-целочисленное программированиеИмитационное моделирование↔ compare
- Робастная многокритериальная оптимизацияИмитационное моделирование↔ compare
- Стохастическое целочисленное программированиеИмитационное моделирование↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →