Robust optimization in the presence of uncertainty: A generic approach

ما یک رویکرد جدید برای بهینه سازی در زیر عدم قطعیت پیشنهاد می کنیم. رویکرد ما هیچ مدل نویز خاصی را در پشت اندازه گیری ها نمی گیرد و فقط دو مورد معمول را نیاز دارد. ابتدا یک معیار تشابه نمونه ها (با توجه به یک هدف مشخص) پیشنهاد می کنیم. بر اساس این اندازه گیری، پس از آن یک راه حل به صورت تصادفی در میان تمام راه حل هایی که برای هر دو مورد نزدیک به مطلوب هستند، انتخاب می کنیم. مفهوم دقیق نزدیک به مطلوب با اندازه گیری شباهت پیشنهادی در هم آمیخته است. اندازه گیری شباهت ما نیز به ما اجازه می دهد بیانیه های رسمی درباره کیفیت مورد انتظار راه حل محاسبه را بیاموزیم. علاوه بر این، ما رویکرد ما را به مشکلات بهینه سازی مختلف اعمال می کنیم.