بهینه‌سازی استوار (Robust Optimization) -قسمت پنجم

 

مروری بر آنچه تا به حال گفته شد... 

در قسمت قبلی به معرفی رویکردهای مختلف استوار با سطوح محافظه کاری متفاوت پرداختیم. همانطور که گفته شد هرچه سطح محافظه کاری بالاتر باشد مقدار تابع هدف از مقدار بهینه فاصله بیشتری می گیرد. در ادامه به معرفی رویکرد محافظه کارانه ای پرداخته می شود که در آن با تعیین حدی برای بدتر شدن تابع هدف توسط تصمیم گیرنده، هزینه استوارسازی مدل کنترل می شود؛ به عبارت دیگر با اعمال محدودیتی  بین استواری شدنی بودن و استواری بهینگی توازن ایجاد می شود.  

بهینه‌سازی استوار (Robust Optimization) -قسمت چهارم

 

مروری بر آنچه تا به حال گفته شد... 

در قسمت قبلی به معرفی یک رویکرد استوار محافظه کارانه پرداختیم. همانطور که گفته شد رویکردهای مختلف استوار سطوح متفاوتی  از محافظه کاری تامین می کنند. هرچه سطح محافظه کاری بالاتر باشد مقدار تابع هدف از مقدار بهینه فاصله بیشتری می گیرد. انتخاب از میان این مدلها باید بر اساس حساسیت کاربرد مورد نظر صورت گیرد. در ادامه رویکردی معرفی می شود که از نظر سطح محافظه کاری انعطاف پذیر است. 

بهینه‌سازی استوار (Robust Optimization) -قسمت سوم

بهینه‌سازی استوار (Robust Optimization) -قسمت دوم

مروری بر آنچه تا به حال گفته شد....

بهینه‌سازی استوار (Robust Optimization) -قسمت اول

استفاده از چه رویکردی برای مقابله با عدم قطعیت در مسائل بهینه‌سازی مناسب و مقرون به صرفه است؟   

بهینه‌سازی استوار (Robust Optimization) -مقدمه

عدم قطعیت:
می‌توان مفهوم عدم قطعیت را شرایطی تعریف کرد که داده‌ها و اطلاعات به طور ناقص وجود دارد. مثلا تفاوت و فاصله بین مقدار اطلاعات لازم برای انجام کاری و مقدار اطلاعات موجود.