- در بهینه سازی تصادفی(Stochastic optimization) داده ها، مقادیری غیر قطعی فرض می شوند که به صورت تصادفی حضور دارند و در ساده ترین حالت این اطلاعات تصادفی از توزیع پیشرفته آماری خاصی پیروی می کنند. در بسیاری از موارد توزیع شناخته شده نیست.در این بحث احتمال اینکه محدودیتی برقرار باشد مطرح است.
- این گونه مسائل تا حدودی به نظر می رسد که نسبت به Robust Optimization محدودتر باشد. در کل، اگر داده های غیر قطعی از طبیعت تصادفی برخوردار بودند و توانستیم توزیع احتمال مربوط به داده ها را کشف کنیم و حاضر به تحمل هزینه خطای احتمالی در محدودیت ها شدیم این روش کاربرد خواهد داشت. با توجه به شروط مطرح شده می توان دریافت که فضای حل ما محدود می شود. هر دو موضوع Robust Optimizationو Stochastic Optimization مکمل یکدیگر هستند و معایب و مزایای مربوط به خود را دارند ولی Robust Optimization حالت کلی تری از مسائل بهینه سازی را دربر می گیرد.
برای دانلود کل پاپورپوینت از لینک زیر استفاده کنید:
دانلود پاورپوینت رویکرد استوار در مسائل جایابی و تخصیص با داده های غیر قطعی - 31 اسلاید