این فصل‌کتاب تلاشی در راستای معرفی متدولوژی‌های عمده ترکیب علوم داده‌ای و تئوری چندوجهی polyhedral theory با علم بهینه‌سازی استوار است. خروجی این رویکرد تولید جواب‌های استوار با محافظه‌کاری کمتری است.
در این فصل کتاب سه متدولوژی بهینه‌سازی استوار توزیعی distributionally robust، تولید مجموعه‌های عدم قطعیت uncertainty sets به کمک روش یادگیری ماشینی machine learning و ابرصفحات برش hyper-cutting planes به همراه مثال‌هایی تشریح شده است. بدیهی است که در دو روش مؤخر، پس از واقع‌نمایی realization به کمک داده‌های آماری فضای عدم قطعیت و فضای مجموعه عدم قطعیت کاهش می‌یابد. یکی از مزایای مهم این رویکرد، شناخت و تصحیح بدترین شرایط worst case پس از واقع‌نمایی در قیاس با مجموعه‌های عدم قطعیت سنتی است. حل همتای استوار robust counterpart در رویکرد مبتنی بر داده، اغلب از پیچیدگی محاسباتی بالایی برخوردار هستند که در این فصل کتاب به این مقوله نیز پرداخت شده است.
جهت تهیه این فصل‌کتاب به این آدرس مراجعه نمایید.
دیدگاه بگذارید