Process optimization with consideration of uncertainties-An overview

بهینه سازی تحت عدم قطعیت یک موضوع چالش برانگیز از اهمیت عملی در مهندسی سیستم های فرایند است. از آنجا که راه حل یک مشکل بهینه سازی به طور کلی حساسیت بالایی نسبت به تغییرات پارامتر دارد، مدل قطعی است که از عدم قطعیت پارامتری غفلت می کند برای برنامه های کاربردی مناسب نیست. این مقاله یک مرور کلی از مشارکت های کلیدی و پیشرفت های اخیر در زمینه بهینه سازی فرآیند تحت عدم اطمینان در طی ده سال گذشته را فراهم می کند و مزایا و محدودیت های آنها را به طور کامل مورد بحث قرار می دهد. بحث بر روی سه حوزه تحقیق خاص، یعنی بهینه سازی قوی، برنامه ریزی تصادفی و برنامه ریزی محدودیت های احتمالی متمرکز شده است، بر اساس آن یک تحلیل سیستماتیک از برنامه های کاربردی، تحولات و مسیرهای آینده ارائه می شود. این نشان می دهد که روند اخیر، ادغام روش های بهینه سازی مختلف برای به دست آوردن برتری مربوطه خود و جبران کمبود آنهاست. علاوه بر این، بهینه سازی داده ها، که ترکیبی از روش های برنامه ریزی ریاضی و الگوریتم های یادگیری ماشین است، تبدیل به یک ابزار در حال ظهور و رقابتی برای رسیدگی به مشکلات بهینه سازی در حضور عدم اطمینان مبتنی بر داده های تاریخی عظیم شده است.