การโปรแกรมเชิงเส้นแบบทนทาน — การหาค่าเหมาะสมที่สุดภายใต้ความไม่แน่นอน
การโปรแกรมเชิงเส้นแบบทนทาน (Robust Linear Programming - RLP) เป็นการขยายการโปรแกรมเชิงเส้นแบบดั้งเดิมเพื่อจัดการกับความไม่แน่นอนในข้อมูลของปัญหา — สัมประสิทธิ์ต้นทุน, สัมประสิทธิ์ข้อจำกัด, หรือค่าทางขวามือ — โดยกำหนดให้ผลลัพธ์ยังคงมีความเป็นไปได้และใกล้เคียงค่าเหมาะสมที่สุดตลอดทุกการเกิดขึ้นของพารามิเตอร์ที่ไม่แน่นอนภายในชุดความไม่แน่นอนที่กำหนด RLP ใช้การรับประกันกรณีที่เลวร้ายที่สุด (worst-case guarantees) แทนข้อสมมติฐานเชิงความน่าจะเป็น ทำให้มีประโยชน์เมื่อความรู้เกี่ยวกับลักษณะการกระจายตัวมีจำกัด
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust Linear Programming — Uncertainty-Aware Linear Optimization. ScholarGate. https://scholargate.app/th/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.
- การโปรแกรมเชิงเส้นแบบกำหนดได้ (Deterministic Linear Programming)การจำลอง↔ compare
- การตั้งเป้าหมายแบบปรับตัวได้การจำลอง↔ compare
- Robust Mixed-Integer Programmingการจำลอง↔ compare
- การหาค่าเหมาะสมที่สุดแบบหลายวัตถุประสงค์ที่ทนทานการจำลอง↔ compare
- การโปรแกรมเชิงเส้นเชิงสุ่มการจำลอง↔ compare