Robust Mixed-Integer Programming — การหาค่าเหมาะสมที่สุดด้วยตัวแปรจำนวนเต็มภายใต้ความไม่แน่นอน
Robust Mixed-Integer Programming (RMIP) เป็นการผสมผสานระหว่าง mixed-integer programming กับ robust optimization เพื่อหาคำตอบที่ยังคงความเป็นไปได้และใกล้เคียงค่าเหมาะสมที่สุด แม้ว่าพารามิเตอร์จะมีความไม่แน่นอน แทนที่จะสมมติว่าข้อมูลคงที่ RMIP จะปกป้องการตัดสินใจจากการรับรู้ในกรณีที่เลวร้ายที่สุดหรือจากผู้โจมตีของอินพุตที่ไม่แน่นอน โดยใช้ชุดความไม่แน่นอนที่ชัดเจนเพื่อควบคุมระดับของการระมัดระวัง ในขณะที่ยังคงโครงสร้างแบบผสมของตัวแปรตัดสินใจที่เป็นจำนวนเต็ม
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., El Ghaoui, L., Nemirovski, A. (2009). Robust Optimization. Princeton University Press, Princeton, NJ. ISBN: 9780691143682
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust Mixed-Integer Programming (RMIP) — Optimization under uncertainty with integer decision variables. ScholarGate. https://scholargate.app/th/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.
- การโปรแกรมจำนวนเต็มผสมการจำลอง↔ compare
- การโปรแกรมเชิงเส้นแบบทนทานการจำลอง↔ compare
- การหาค่าเหมาะสมที่สุดแบบหลายวัตถุประสงค์ที่ทนทานการจำลอง↔ compare
- การโปรแกรมเชิงจำนวนเต็มผสมเชิงสุ่มการจำลอง↔ compare