آموزش robust optimization

بهینه سازی استوار یکی از جدیدترین روش های جهت بهینه سازی در شرایط عدم قطعیت می باشد. در این رویکرد هدف ایجاد مدل ریاضی قطعی به گونه ای است که کمترین تغییرات را در مواجهه با عدم قطعیت پارامتر های خود داشته باشد. در این محصول جزوه آموزشی ( فایل ورد) بهینه سازی در شرایط عدم قطعیت با رویکرد بهینه سازی استوار رباست robust optimization ارائه شده است.

در برنامه‌ریزی ریاضی معمولاً مسائل با پیش فرض قطعی بودن داده‌ها از قبل حل می‌شوند حال انکه در دنیای واقعی اکثر داده‌ها دچار عدم قطعیت اند. پیش فرض اصلی برنامه ریزی‌های ریاضی توسعه مدل بر اساس داده‌های صریحاً معین و برابر با مقداری اسمی است. حال آنکه در این گونه از مدل‌ها اثر عدم قطعیت داده‌ها در کیفیت و امکانپذیر بودن جواب‌ها اثری ندارد. در نتیجه در در مسائل دنیای واقعی ممکن است با تغییر یکی از داده‌ها تعداد زیادی از محدودیت‌ها نقض شده و جواب بدست آمده غیر بهینه یا حتی غیر ممکن باشد. در نتیجه این بحث سؤال اصلی ساخت جوابی برای مسئله پیش می‌آید که در مقابل این عدم قطعیت داده‌ها مقاوم باشد که اصطلاحاً این پاسخ‌ها را استوار و این دسته از بهینه سازی را بهینه‌سازی استوار می‌نامند.

ایده ی اولیه در بهینه سازی استوار، در نظر گرفتن بدترین سناریوی ممکن و بهینه سازی بر اساس بدترین سناریو است. به عنوان مثال فرض کنید ضرایب در یکی از محدودیت ممکن است تغییر کند. در بهینه سازی استوار، بدترین حالتی که ممکن است برای محدودیت با توچه به تغییر ضریب ممکن است پیش بیاید در نظر گرفته شده و زبق آن بهینه سازی انچام میشود.

مهم ترین کاستی این روش محتاطانه عمل کردن آن است. ممکن است این روش کاربرد عملی زیادی نداشته باشد. ولی به عنوان ابزاری برای تصمیم گیری بسایر مفید خواهد بود.