Robust Optimization
50,000 تومان
اولین گام‌ها در مورد بهینه سازی استوار توسط Soyster برداشته شد. وی مدلی ارائه کرد تا در آن جوابی ممکن برای تمامی داده‌های متعلق به یک مجموعه محدب ساخته شود؛ ولی مدل ارائه شده به دلیل زیاده روی در محتاطانه عمل کردن با جواب بهینه اسمی فاصله‌ای زیاد داشت. پس از او نیز افرادی مانند Ben-Tal و Nemirovski و Bertsimas به ارائه مدل‌های بهتری پرداختند تا به اندازه ممکن فاصله از مقدار بهینه را کاهش دهند. کتاب حاضر معروف ترین کتاب در زمینه بهینه سازی استوار می باشد که به بحث و بررسی در مورد مدلها و تکنیک های اساسی در این زمینه پرداخته است.
بهینه سازی استوار
Robust Optimization
در برنامه‌ریزی ریاضی معمولاً مسائل با پیش فرض قطعی بودن داده‌ها از قبل حل می‌شوند حال آنکه در دنیای واقعی اکثر داده‌ها دچار عدم قطعیت اند. پیش فرض اصلی برنامه‌ریزی‌های ریاضی توسعه مدل بر اساس داده‌های صریحاً معین و برابر با مقداری اسمی است. حال آنکه در این گونه از مدلها اثر عدم قطعیت داده‌ها در کیفیت و امکانپذیر بودن جواب‌ها اثری ندارد. در نتیجه در در مسائل دنیای واقعی ممکن است با تغییر یکی از داده‌ها تعداد زیادی از محدودیت‌ها نقض شده و جواب بدست آمده غیر بهینه یا حتی غیرممکن باشد. در نتیجه این بحث سؤال اصلی ساخت جوابی برای مسئله پیش می‌آید که در مقابل این عدم قطعیت داده‌ها مقاوم باشد که اصطلاحاً این پاسخ‌ها را استوار و این دسته از بهینه‌سازی را بهینه‌سازی استوار می‌نامند.
اولین کسی باشید که دیدگاهی می نویسد “Robust Optimization”
محصولات مرتبط
آموزشنامه
الگوریتم های فرا ابتکاری
برنامه ریزی غیرقطعی
برنامه ریزی غیرقطعی
برنامه ریزی غیرقطعی
بهینه سازی
آموزشنامه
نقد و بررسی‌ها
هیچ دیدگاهی برای این محصول نوشته نشده است.