وبلاگ هم‌‌افزایی دانشجویان  دکتر حسینی مطلق- motlagh@iust.ac.ir

وبلاگ هم‌‌افزایی دانشجویان دکتر حسینی مطلق- motlagh@iust.ac.ir

دانشکده مهندسی صنایع- دانشگاه علم و صنعت ایران
وبلاگ هم‌‌افزایی دانشجویان  دکتر حسینی مطلق- motlagh@iust.ac.ir

وبلاگ هم‌‌افزایی دانشجویان دکتر حسینی مطلق- motlagh@iust.ac.ir

دانشکده مهندسی صنایع- دانشگاه علم و صنعت ایران

بهینه‌سازی استوار (Robust Optimization) -قسمت دوم

مروری بر آنچه تا به حال گفته شد....

  

تاریخچه بهینه‌سازی استوار و مقالات پایه ای مهم:

به عنوان پیشتاز در این عرصه، سویستر  یک روش برنامه‌ریزی استوار بدبینانه برای برخورد با مسائل برنامه‌ریزی خطی غیر دقیق توسعه داد. در حوزه ادبیات برنامه‌ریزی ریاضی فازی، اولین تلاشها توسط اینگوئیچی و ساکاوا  با بکارگیری رویکردهای حداقل کردن حداکثر تأسف به انجام رسید. در سال 1995، مولوی و همکاران  یک روش برنامه‌ریزی استوار منعطف‌تر (نسبت به حالاتی که پیشتر بیان شد) مبتنی بر مدل برنامه‌ریزی تصادفی سناریو محور توسعه داد. این مقاله نقطه عطفی در ادبیات برنامه‌ریزی استوار ایجاد کرد و بر مبنای آن در سالهای بعد روشهای دیگری ارائه شد. چند سال بعد بنتال و نمروفسکی  و القوئی و همکاران  با توسعه روش سویستر  برای مسائل برنامه‌ریزی خطی غیرقطعی با مجموعه‌های عدم‌قطعیت محدب گوناگون یک گام رو به جلوی قابل توجه در توسعه تئوری برنامه‌ریزی استوار برداشتند.

مدل های استوار را می توان  به دو شیوه دسته بندی نمود:

1- تقسیم بر اساس شرایط و ویژگی های مدل

مدل های استوار محدب از میان مدل های استوار  مشهروترین به حساب می آیند. شهرت این مدل ها به دلیل سادگی اثبات (بر اساس قضایای دوگان و مجموعه های محدب)، سادگی مدل و امکان تطبیق با سایر مسائل بهینه سازی است. در پست های بعدی به بررسی بیشتر این مدل ها خواهیم پرداخت. مدل های سناریو محور زمانی مناسبند که عدم قطعیت به صورت گسسته یا سناریویی رخ می دهد. امکان ترکیب مدل های بهینه سازی استوار با سایر رویکردهای مقابله با عدم قطعیت مانند رویکرد فازی نیز وجود دارد.

2- تقسیم بر اساس  حساسیت کاربرد و ترجیحات گیرنده تصمیم:

انتخاب از میان رویکردهای بالا بر اساس حساسیت مبحث مورد نظر و/یا ترجیحات گیرنده تصمیم صورت می گیرد. به عنوان مثال  در حوزه بهداشت و سلامت انتخاب مدلی با رویکرد بدبینانه سخت برای برخورد با عدم قطعیت مناسب تر است، چراکه  هرگونه خطا و اشتباه در این حوزه غیرقابل جبران نمی باشد و  به منظور حفاظت از جان و سلامت انسان ها حاضر به پرداخت هر هزینه ای هستیم. دو رویکرد دیگر دارای محافظه کاری کمتر و در نتیجه هزینه کمتری می باشند و بر اساس توازنات هزینه ای-محافطه کاری از آنها استفاده می شود.

در پست های بعدی به بررسی جزئیات رویکردها و مدل های مختلف استوار می پردازیم.

به منظور دسترسی آسان‌تر به این سلسله مطالب، از این پس خوانندگان عزیز می‌توانند به بخش بهینه‌سازی استوار  در وبلاگ مراجعه نمایند. 

(مونا عیسی‌بخش  m.issabakhsh@ind.iust.ac.ir)

نظرات 7 + ارسال نظر
پریزاد وکیلی سه‌شنبه 7 اردیبهشت 1395 ساعت 12:57

ممنون مونا جون از سری پست های آموزشی رباستی که میذاری...نسبتا آموزش فارسی هدفمند تو این زمینه کمه...ایشاالله مرزهای دانش تو این زمینه رو بپیمایی، رد کنی، بشکونی و خلاصه ببینم چیکار میکنی

پریزاد وکیلی سه‌شنبه 7 اردیبهشت 1395 ساعت 13:05

وای دستم خورد خودم منفی دادم نظرموووو...اگه راهی داره منفیشو حذف کنید خنده:

محسن یکشنبه 5 دی 1395 ساعت 20:38

اگه میشه لطف کنید مقالات مرور ادبیاتتون رو برای من ارسال کنید خیلی ممنون میشم

m.h یکشنبه 8 اسفند 1395 ساعت 17:47

با سلام
ممنون از اطلاعات مفیدی که در اختیار ما قرار دادین.
مقاله یا مثالی در مورد بهینه سازی استوار در سود خرده فروش به روش برتسیماس و سیم می خواستم ممنون میشم کمک بفرمایید.

m.h دوشنبه 18 اردیبهشت 1396 ساعت 20:16

با سلام و احترام
ممنون از مطالب مفیدتون
اگر امکانش هست مقالات مرور ادبیات برتسیماس و سیم رو در اختیار من قرار دهید
و
اینکه میتونید راهنمایی بفرمایید به چه روش میتونم محدودیتی رو به روش برتسیماس غیرقطعی کنم؟؟؟

مهدی شنبه 20 آبان 1396 ساعت 22:31

با سلام و عرض خسته نباشید؛
خیلی ممنون بابت مطالب مفیدتون
من در رابطه با مسائل مکان یابی و بهیه سازی و کلا با مفاهیمی که در رابطه با مقالات بود مشکل داشتم. الان موضوعات را متوجه شدم. یک خواهشی هم داشتم در رابطه با حل مساله تخصیص درجه دوم (QAP) در نرم افزار متلب هم مطالبی را در اختیارمون قرار بدهید؛ممنونتون خواهم شد.
با سپاس

سحر دوشنبه 4 دی 1396 ساعت 09:43

با سلام متاسفانه من نتونتستم به ادامه مطالبتون دسترسی پیدا کنم از طرفی وارد سایت هم نتونستم بشم وبلاگتونم همینطور با تشکر

برای نمایش آواتار خود در این وبلاگ در سایت Gravatar.com ثبت نام کنید. (راهنما)
ایمیل شما بعد از ثبت نمایش داده نخواهد شد