Robust Integer Programming — Optimering under osäkerhet med heltalsbegränsningar
Robust Integer Programming (RIP) finner heltals- eller binära lösningar som förblir genomförbara och nära-optimala över alla scenarier i en föreskriven osäkerhetsmängd. Istället för att anta exakt kunskap om data, säkrar RIP mot den värsta realiseringen av osäkra kostnader eller begränsningskoefficienter, vilket ger beslut som garanterat presterar väl även när indata avviker från sina nominella värden.
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
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Integer Programming — Optimization under uncertainty with integrality constraints. ScholarGate. https://scholargate.app/sv/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.
- HeltalsprogrammeringOptimering↔ compare
- HeltalsoptimeringSimulering↔ compare
- Robust linjärprogrammeringSimulering↔ compare
- Robust Mixed-Integer ProgrammingSimulering↔ compare
- Robust Multi-Objective OptimizationSimulering↔ compare
- Stokastisk heltalsoptimeringSimulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →