Надійне цілочисельне програмування — оптимізація в умовах невизначеності з цілочисельними обмеженнями
Надійне цілочисельне програмування (Robust Integer Programming, RIP) знаходить цілочисельні або бінарні розв'язки, які залишаються допустимими та майже оптимальними в усіх сценаріях у заданій множині невизначеності. Замість припущення про точне знання даних, RIP захищає від найгіршого випадку реалізації невизначених витрат або коефіцієнтів обмежень, надаючи рішення, які гарантовано будуть ефективними, навіть коли вхідні дані відхиляються від їхніх номінальних значень.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- Bertsimas, D., Sim, M. (2003). Robust discrete optimization and network flows. Mathematical Programming, 98(1-3), 49-71. DOI: 10.1007/s10107-003-0396-4 ↗
- Ben-Tal, A., El Ghaoui, L., Nemirovski, A. (2009). Robust Optimization. Princeton University Press, Princeton, NJ. ISBN: 9780691143682
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Robust Integer Programming — Optimization under uncertainty with integrality constraints. ScholarGate. https://scholargate.app/uk/simulation/robust-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.
- Цілочисельне програмуванняОптимізація↔ compare
- Змішано-цілочисельне програмуванняІмітаційне моделювання↔ compare
- Лінійне програмування з робастністю (Robust Linear Programming, RLP)Імітаційне моделювання↔ compare
- Змішане цілочисельне програмування з робастністюІмітаційне моделювання↔ compare
- Надійна багатоцільова оптимізаціяІмітаційне моделювання↔ compare
- Стохастичне цілочисельне програмуванняІмітаційне моделювання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →