چاپ مقاله بهینه سازی استوار مبتنی بر رویداد و خصیصه

 

بهینه‌سازی استوار یکی از مفاهیم مهم در زمینه‌ی مدل‌سازی رویدادهای غیرقطعی به کمک مجموعه‌های عدم قطعیت uncertainty sets است. این رویکرد در سال‌های اخیر با موفقیت‌های بسیاری روبرو شده است. مهم‌ترین دلیل این موفقیت را می‌توان مزایای رایانشی مدل‌های ریاضی آمیخته با این رویکرد، در قیاس با سایر رویکردهای مواجهه با عدم قطعیت دانست.

نمودار زیر شاید بتواند نگاهی اجمالی از تاریخچه‌ی توسعه‌ی مجموعه‌های عدم قطعیت ارائه دهد.

 

 

علی‌رغم این موفقیت، تصمیم‌های اخذ شده توسط این دسته مجموعه‌های عدم قطعیت، از محافظه‌کاری بسیار بالایی برخوردار هستند.

به‌عبارتی، مجموعه‌های عدم قطعیت سنتی صرفاً اشکال هندسی منتظمی از برنامه‌ریزی محدب را ارائه نموده‌اند. از طرفی با دسترسی به حجم وسیعی از داده‌های دنیای واقعی، محققین را بر این داشته تا به کمک این داده‌ها مجموعه‌های عدم قطعیت با محافظه‌کاری مناسبی ارائه نمایند. این رویکرد به بهینه‌سازی استوار مبتنی بر داده data-driven robust optimization مشهور است.

 

 

رویکرد مقاله‌ی حاضر بر این است که ابتدا خصیصه‌های ساختاری رویداد غیرقطعی شناسایی شده و سپس چندوجهی متناظر (البته با محافظه‌کاری و قدرت رایانشی مناسب) بر روی مجموعه عدم قطعیت نگاشت شود. هم‌چنین در این مطالعه، مجموعه‌های عدم قطعیت ترکیباتی combinatorial uncertainty set جهت استخراج دوشقه‌گی dichotomy رویداد عدم قطعیت معرفی گردیده است.

این مقاله از طریق این لینک قابل دریافت است.

پست‌های مشابه

دیدگاه بگذارید