سلسله وبینارهایی تحت عنوان بهینه‌سازی تحت عدم‌قطعیت optimization under uncertainty با محوریت بهینه‌سازی استوار مبتنی بر داده Data-driven Robust Optimization به میزبانی دانشگاه مونترآل کانادا از مورخ ۲۷ سپتامبر تا ۱ اکتبر برگزار شد.
برچسب: robust
کارگاه برنامه ریزی عدم قطعیت
مورخ: ۱۶ اردیبهشت ۱۴۰۰ – ساعت: ۱۶ الی ۱۸
رویکرد بهینه‌سازی استوار یکی از رویکردهای کارآمد و پرکاربرد در حوزه برنامه ریزی عدم قطعیت است که روز به روز بر محبوبیت و کاربرد آن در مسائل دنیای واقعی افزوده می گردد. هدف از کارگاه پیش رو، مروری بر مطرح‌ترین رویکردهای حوزه بهینه‌سازی استوار با توجه به میزان دسترسی به داده‌های مسئله می‌باشد. بیشتر بخوانید
تاریخچه کوتاه از بهینه سازی استوار مبتنی بر داده
You can follow-up on my story about
A Brief History of Data-driven Robust Optimization on Medium.com !
بهینه سازی استوار در گروبی GUROBI
در این پست ابتدا یک مساله اسباب‌بازی (!) یعنی کوله پشتی knapsack را تحت مجموعه عدم قطعیت بودجه‌ای budgeted uncertinay set (برتسیماس و سیم ۲۰۰۴) مدل‌سازی کرده و سپس مدل استوار شده را به کمک پارامتر بودجه تحلیل حساسیت می‌نماییم.
انتشار فصل کتاب بهینه سازی استوار مبتنی بر داده Data Driven Robust Optimization
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.
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.
بهینه سازی مبتنی بر داده Data Driven Optimization
حوزه تحقیق در عملیات به دلایل تاریخی و کمبود اطلاعات لزوما بر پایه‌های مدل‌ها و مسایل کلاسیک بنا شده است. بسیاری از روش‌های کمی جهت تصمیم‌گیری، بر اساس مدل‌سازی‌ها و مفروضات آماری بنا شده که اهمیت چندانی به کیفیت و ویژگی داده‌هایی که باید در آن بستر بکار گرفته شوند داده نمی‌شود. تنها خروجی آنها در نهایت تخمین یا بهینه‌سازی است. همچین در رویکردهای سنتی مواجهه با عدم قطعیت، فرض می‌شود که به دلیل کمبود یا نبود اطلاعات متوسل به ابزارهای تصمیم‌گیری تحت شرایط عدم قطعیت شده‌ایم. برعکس، در رویکردهای تصمیم‌گیری مبتنی بر داده، عدم قطعیت به دلیل حجم انبوه داده‌ها و انفجار اطلاعاتی رخ می‌دهد.