Robustné celočíselné programovanie — optimalizácia s celočíselnými premennými pod neistotou
Robustné celočíselné programovanie (RMIP) kombinuje celočíselné programovanie s robustnou optimalizáciou na nájdenie riešení, ktoré zostávajú realizovateľné a takmer optimálne napriek neistým parametrom. Namiesto predpokladu pevných údajov chráni rozhodnutia pred nepriaznivými alebo najhoršími realizáciami neistých vstupov pomocou explicitnej množiny neistoty na kontrolu miery konzervatívnosti pri zachovaní kombinatorickej štruktúry celočíselných rozhodnutí.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Ako citovať túto stránku
ScholarGate. (2026, June 3). Robust Mixed-Integer Programming (RMIP) — Optimization under uncertainty with integer decision variables. ScholarGate. https://scholargate.app/sk/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.
- Programovanie s celočíselnými premennýmiSimulácia↔ compare
- Robustné lineárne programovanieSimulácia↔ compare
- Robustné viaccieľové optimalizovanieSimulácia↔ compare
- Stochastické programovanie so zmiešanými celočíselnými premennýmiSimulácia↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →