वास्तविक विश्व अनुप्रयोगों में अनिश्चितता के तहत अनुकूलन कैसे किया जाता है?
इस पोस्ट में मजबूत अनुकूलन क्या है? मजबूत अनुकूलन के लिए एक अच्छा परिचय है।
अनुकूलन समस्याओं में अनिश्चितता के लिए कई अवधारणाएं हैं
- मजबूत अनुकूलन
- स्टोकेस्टिक अनुकूलन
- समान रूप से मजबूत अनुकूलन
- समायोज्य मजबूती
- ... और भी कई।
अनुकूलन के लिए वास्तविक जीवन के अनुप्रयोगों में ये अवधारणाएं कितनी सामान्य हैं, और व्यावहारिक परिदृश्य में अनिश्चितता कैसे उत्पन्न होती है?
जवाब
निम्नलिखित विशुद्ध रूप से व्यक्तिगत राय है। मैं कहूंगा कि गैर-शैक्षणिक अनुकूलन समस्याओं का एक (पर्याप्त) बहुमत आपके द्वारा सूचीबद्ध कई तरीकों में से किसी भी कारण से शामिल नहीं है।
- "बेहतर अच्छे के दुश्मन है।" मापदंडों के लिए निश्चित, प्रशंसनीय मूल्यों का उपयोग करना और अनिश्चितता को अनदेखा करना अक्सर उन उत्तरों का उत्पादन करता है जो प्रबंधन के लिए पर्याप्त हैं, इसलिए किसी भी अधिक जटिल क्यों हैं?
- बड़े पैमाने पर समस्याओं के लिए, कोई भी अतिरिक्त जटिलता एक बैक-ब्रेकर हो सकती है, इसलिए यह जोखिम क्यों है?
- स्टोचस्टिक ऑप्टिमाइज़ेशन के लिए वितरण संबंधी मान्यताओं / अनुमानों की आवश्यकता होती है, जिनके द्वारा आना आसान नहीं होता है।
- कई OR / MS / IE छात्रों को एलपी, ग्राफ मॉडल, डायनेमिक प्रोग्रामिंग और उम्मीद से एमआईपी में एक बुनियादी शिक्षा मिलती है, और हो सकता है कि कुछ थोड़ा फंकियर (इष्टतम नियंत्रण सिद्धांत?) है, लेकिन स्टोचस्टिक अनुकूलन और विशेष रूप से किसी भी कक्षा के संपर्क में आने पर बहुत कुछ नहीं मिलता है? मजबूत अनुकूलन के लिए (जो अपेक्षाकृत नया है)। अब "एक्सपोज़र" से "मास्टरी" (एक गैर-परिवर्तनकारी परिवर्तन) में स्थानांतरित करें, उन्हें नौकरी दें, और आप उन लोगों की समस्याओं को हल करते हैं, जो उन चीजों से अवगत हैं या नहीं, लेकिन किसी भी मामले में निश्चित रूप से उनके साथ सहज नहीं हैं।
चूँकि मेरे अध्ययन के बाहर एक लिंच की भीड़ बन रही है, मुझे यह जोड़ने दें कि आपके द्वारा सूचीबद्ध अवधारणाओं में से प्रत्येक के लिए योग्यता है, और मैं उनके उपयोग के खिलाफ बहस नहीं कर रहा हूं (सिवाय इसके जहां एक असंभव में असंभव मॉडल को हल करना मुश्किल होगा हल लेकिन अधिक सटीक मॉडल)। कहीं सड़क के नीचे, क्योंकि वे अधिक मुख्यधारा के शैक्षणिक विषय बन जाते हैं, उनके उपयोग की संभावना बढ़ जाएगी।