Robust optimization

سلام

در برنامه‌ریزی ریاضی معمولاً مسائل با پیش فرض قطعی بودن داده‌ها از قبل حل می‌شوند حال انکه در دنیای واقعی اکثر داده‌ها دچار عدم قطعیت اند. پیش فرض اصلی برنامه ریزی‌های 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 غیر ممکن باشد. در نتیجه این بحث سوال 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 بهینه سازی را بهینه‌سازی استوار Robust optimization می‌نامند. این رویکرد بهینه سازی برای مطالعات موردی جهت انجام پایانامه بسیار حائز اهمیت می باشد. در پست های بعدی مطالب بیشتری در این وبلاگ می نویسم(ادامه دارد)