Robust Optimization — การหาค่าเหมาะสมที่สุดภายใต้ความไม่แน่นอนแบบแย่ที่สุด
Robust optimization เป็นกรอบการหาค่าเหมาะสมที่สุดเชิงคณิตศาสตร์ (mathematical programming) ซึ่งถูกกำหนดรูปแบบอย่างเป็นทางการโดย Ben-Tal และ Nemirovski ในช่วงปลายทศวรรษ 1990 และทำให้สามารถแก้ปัญหาได้ในวงกว้างโดย Bertsimas และ Sim (2004) โดยมีเป้าหมายเพื่อหาทางเลือกที่รับประกันว่าจะให้ผลลัพธ์ที่ยอมรับได้ภายใต้ทุกสถานการณ์ภายในชุดความไม่แน่นอนที่กำหนดไว้ล่วงหน้า แทนที่จะสมมติว่าค่าพารามิเตอร์เป็นที่ทราบแน่ชัด แทนที่จะหาค่าเหมาะสมที่สุดสำหรับผลลัพธ์ที่คาดหวังเพียงค่าเดียว การหาค่าเหมาะสมที่สุดแบบ Robust จะลดค่าวัตถุประสงค์ในกรณีที่แย่ที่สุด (worst-case objective) ในทุกความเป็นไปได้ของข้อมูลที่ไม่แน่นอน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Ben-Tal, A., El Ghaoui, L. & Nemirovski, A. (2009). Robust Optimization. Princeton University Press. ISBN: 9780691143682
- Bertsimas, D. & Sim, M. (2004). The Price of Robustness. Operations Research, 52(1), 35-53. DOI: 10.1287/opre.1030.0065 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Robust Optimization (Minimax Programming). ScholarGate. https://scholargate.app/th/optimization/robust-optimization
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.
- การหาค่าเหมาะที่สุดแบบนูน (Convex Optimization)การหาค่าเหมาะที่สุด↔ compare
- Evolutionary Strategy (CMA-ES)การหาค่าเหมาะที่สุด↔ compare
- การโปรแกรมเชิงเส้นการหาค่าเหมาะที่สุด↔ compare
- Stochastic Optimizationการหาค่าเหมาะที่สุด↔ compare
- การหาค่าเหมาะสมที่สุดโดยใช้ตัวแทนการหาค่าเหมาะที่สุด↔ compare