불확실성 하에서 최적화는 실제 응용 프로그램에서 어떻게 이루어 집니까?

Question

이 게시물에서 강력한 최적화 란 무엇입니까? 강력한 최적화에 대한 좋은 소개가 있습니다.

다음과 같은 최적화 문제의 불확실성에 대한 많은 개념이 있습니다.

• 강력한 최적화
• 확률 적 최적화
• 분산 적으로 강력한 최적화
• 조정 가능한 견고성
• ... 그리고 더 많은.

이러한 개념은 최적화를 위해 실제 응용 프로그램에 얼마나 일반적으로 적용되며 실제 시나리오에서 불확실성 집합은 어떻게 도출됩니까?

Answer 1

다음은 순전히 개인적인 의견입니다. 학업이 아닌 최적화 문제의 (실질적인) 대부분은 여러 가지 이유로 귀하가 나열한 방법과 관련이 없다고 말하고 싶습니다.

• "더 좋은 것은 충분히 좋은 적이다." 매개 변수에 대해 고정되고 그럴듯한 값을 사용하고 불확실성을 무시하면 종종 관리에 충분한 답을 얻을 수 있는데, 왜 더 복잡해 질까요?
• 대규모 문제의 경우 추가적인 복잡성이 백 브레이커가 될 수 있는데 왜 위험할까요?
• 확률 적 최적화에는 쉽게 구할 수없는 분포 가정 / 추정이 필요합니다.
• 많은 OR / MS / IE 학생들은 LP, 그래프 모델, 동적 프로그래밍 및 MIP에 대한 기본 교육을 받고 약간 더 재미있는 것 (최적 제어 이론?)을 얻지 만 확률 적 최적화에 대한 교실 노출, 특히 (비교적 새로운) 강력한 최적화에. 이제 "노출"에서 "통달"(비 증가 변화)으로 전환하고, 일자리를 얻으면, 그런 일을 인식 할 수도 있고 알지 못할 수도 있지만 어떤 경우에도 확실히 익숙하지 않은 문제를 해결하는 사람들이 있습니다.

린치 몹이 내 연구 밖에서 형성되고 있기 때문에 나열된 각 개념에 장점이 있으며 그 사용에 대해 논쟁하지 않습니다 (근사 모델을 해결하기가 불가능한 경우 제외) 해결하지만 더 정확한 모델). 길을 따라 가면 더 주류 학술 주제가됨에 따라 그 사용이 증가 할 것입니다.