Robust målprogrammering — Att uppnå flera mål under osäkerhet
Robust målprogrammering (RGP) utvidgar klassisk målprogrammering för att hantera osäkra eller tvetydiga modellparametrar. Istället för att minimera avvikelser från exakta mål, söker den lösningar som förblir genomförbara och nära optimala över en rad rimliga scenarier eller osäkra datarealiseringar. RGP är särskilt värdefullt i planeringsproblem där mål är aspirationella och indata bär på inneboende variabilitet eller estimeringsfel.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Goal Programming. ScholarGate. https://scholargate.app/sv/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.
- MålprogrammeringBeslutsfattande↔ compare
- Målprogrammering med flera målSimulering↔ compare
- Robust linjärprogrammeringSimulering↔ compare
- Robust Multi-Objective OptimizationSimulering↔ compare
- Stokastisk målprogrammeringSimulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →