Scenario tree reduction methods through clustering nodes

برای توسعه شیوه های کارآمد و کارآمد درختان سناریو عملی، روش جدیدی را معرفی می کنیم که به گره های خوشه بستگی دارد و بنابراین یک تابع فاصله برای اندازه گیری تفاوت بین دو درخت سناریو طراحی شده است. بر اساس به حداقل رساندن فاصله جدید، ما یک مدل کاهش درخت سناریوی چندتایی را ایجاد می کنیم که از لحاظ تئوری با نتایج ثبات برنامه های تصادفی پشتیبانی می شود. با حل مدل، ما یک الگوریتم کاهش درخت سناریو مرحله ای را طراحی می کنیم که از لحاظ پیچیدگی محاسباتی و نتایج حل مسائل برنامه ریزی تصادفی بهتر از روش کاهش زمان به عقب است. الگوریتم کاهش مربوطه مخصوصا برای درختان فانتزی نیز ارایه شده. ما بیشتر الگوریتم کاهش یک درخت سناریوی چندتایی را با استفاده از نتایج پایدار برنامه های تصادفی با فاصله از پیش تعیین شده طراحی می کنیم. مجموعه ای از آزمایش های عددی با داده های تجاری واقعی و کاربرد آن برای انتخاب مجموعه نمونه کارها نشان دهنده عملی بودن، کارایی و پایداری مدل و الگوریتم های کاهش پیشنهاد شده است.