Robust linjärprogrammering — Optimering under osäkerhet
Robust linjärprogrammering (RLP) utvidgar klassisk linjärprogrammering för att hantera osäkerhet i problemdata — kostnadskoefficienter, bivillkorskoefficienter eller högerled — genom att kräva att lösningar förblir tillåtna och nära-optimala över alla realiseringar av osäkra parametrar inom en definierad osäkerhetsmängd. Den ersätter probabilistiska antaganden med garantier för värsta fall, vilket gör den praktisk när distributionskunskap är begränsad.
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. (2004). The price of robustness. Operations Research, 52(1), 35–53. DOI: 10.1287/opre.1030.0065 ↗
- Ben-Tal, A., Nemirovski, A. (1999). Robust solutions of uncertain linear programs. Operations Research Letters, 25(1), 1–13. DOI: 10.1016/S0167-6377(99)00016-4 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Linear Programming — Uncertainty-Aware Linear Optimization. ScholarGate. https://scholargate.app/sv/simulation/robust-linear-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.
- Deterministisk linjär programmering – Klassisk LP med säkra parametrarSimulering↔ compare
- Robust målprogrammeringSimulering↔ compare
- Robust Mixed-Integer ProgrammingSimulering↔ compare
- Robust Multi-Objective OptimizationSimulering↔ compare
- Stokastisk linjär programmeringSimulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →