کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6897659 1446036 2014 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Distributionally robust mixed integer linear programs: Persistency models with applications
ترجمه فارسی عنوان
برنامه های خطی عادی همگام با هم تقسیم: مدل های پایداری با برنامه ها
کلمات کلیدی
محدوده قوی توزیع، برنامه خطی عدد صحیح مختلط، برنامه کانی،
ترجمه چکیده
در این مقاله، پیشرفت های اخیر در تحلیل توزیع برنامه های خطی عادی با ضرایب تصادفی تصادفی بررسی شده است. فرض کنید که توزیع احتمالی ضرایب عینی ناقص است و از طریق اطلاعات لحظه ای جزئی مشخص می شود. روش های برنامه ریزی مخروطی به تازگی مورد استفاده قرار گرفته اند برای پیدا کردن محدوده های قوی توزیع برای ارزش بهینه مورد انتظار از برنامه های خطی عدد صحیح در مجموعه ای از تمام توزیع ها با اطلاعات لحظه ای داده شده. این روش ها همچنین اطلاعات اضافی در مورد احتمال اینکه یک متغیر باینری به مقدار 1 در راه حل بهینه برای برنامه های خطی 0-1 یکپارچه می رسد، ارائه می دهد. این احتمال به عنوان ثبات یک متغیر باینری تعریف شده است. در این مقاله، ما یک مرور کلی از نتایج پیچیدگی برای این مدل ها، فرمولاسیون های برنامه نویسی مخروطی ارائه می دهیم که به راحتی قابل اجرا با حل کننده های استاندارد و کاربردهای مهم مدل های استقامت هستند. پیام اصلی که ما امیدواریم در این بازبینی بیان کنیم، این است که ابزار برنامه نویسی مخروطی، بینش مهم را در تحلیل احتمالاتی از مشکلات بهینه سازی گسسته ارائه می دهد. این ابزارها به مرزهای قوی توزیع شده با برنامه های کاربردی در شبکه های فعالیت، بسته بندی ریتا، مدل های انتخابی گسسته، پیاده روی های تصادفی و مشکلات توالی و مشکلات خبر رسانی منجر می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
پیش نمایش مقاله
برنامه های خطی عادی همگام با هم تقسیم: مدل های پایداری با برنامه ها
چکیده انگلیسی
In this paper, we review recent advances in the distributional analysis of mixed integer linear programs with random objective coefficients. Suppose that the probability distribution of the objective coefficients is incompletely specified and characterized through partial moment information. Conic programming methods have been recently used to find distributionally robust bounds for the expected optimal value of mixed integer linear programs over the set of all distributions with the given moment information. These methods also provide additional information on the probability that a binary variable attains a value of 1 in the optimal solution for 0-1 integer linear programs. This probability is defined as the persistency of a binary variable. In this paper, we provide an overview of the complexity results for these models, conic programming formulations that are readily implementable with standard solvers and important applications of persistency models. The main message that we hope to convey through this review is that tools of conic programming provide important insights in the probabilistic analysis of discrete optimization problems. These tools lead to distributionally robust bounds with applications in activity networks, vertex packing, discrete choice models, random walks and sequencing problems, and newsvendor problems.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: European Journal of Operational Research - Volume 233, Issue 3, 16 March 2014, Pages 459-473
نویسندگان
, , , ,