Robust Mixed-Integer Programming — Optimering med heltalsvariabler under osäkerhet
Robust Mixed-Integer Programming (RMIP) kombinerar mixed-integer programming med robust optimering för att finna lösningar som förblir genomförbara och nära optimala trots osäkra parametrar. Istället för att anta fasta data skyddar den beslut mot adversariella eller värsta-fall-realiseringar av osäkra indata, med hjälp av en explicit osäkerhetsmängd för att kontrollera graden av konservatism samtidigt som den kombinatoriska strukturen av heltalsbeslut bevaras.
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., 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 Mixed-Integer Programming (RMIP) — Optimization under uncertainty with integer decision variables. ScholarGate. https://scholargate.app/sv/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.
- HeltalsoptimeringSimulering↔ compare
- Robust linjärprogrammeringSimulering↔ compare
- Robust Multi-Objective OptimizationSimulering↔ compare
- Stokastisk Mixed-Integer ProgrammingSimulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →