المسرد · approach
التحسين الحصين
نهج تحسين رياضي يُنمذج المعاملات غير المؤكدة عبر مجموعة عدم يقين بدلًا من توزيع احتمالي، ويبحث عن حلول تبقى ممكنة مقابل أسوأ تحقّق ضمن تلك المجموعة.
Robust OptimizationROتحسين أسوأ الحالاتWorst-Case Optimizationالتحسين بمجموعة عدم اليقين
يعالج التحسين الحصين الحالات التي يكون فيها التوزيع الاحتمالي للمعاملات غير المؤكدة مجهولًا أو غير موثوق، إذ يُفترض أن المعاملات قد تأخذ أي قيمة ضمن مجموعة عدم يقين U، ويُبحث عن حل يبقى ممكنًا في أسوأ الحالات. الصياغة الأولى لسويستر (1973) تستخدم مجموعة على شكل صندوق وتنتج حلولًا متحفظة جدًا. قدّم بن طال ونميروفسكي (1998، 1999، 2000) مجموعات إهليلجية توازن بين التحفظ والأداء وتُختزل إلى برمجة مخروطية تربيعية (SOCP). اقترح بيرتسيماس وسيم (2003، 2004) عدم اليقين بميزانية، حيث يأخذ ما لا يزيد عن Γ من المعاملات في كل قيد قيمته الأسوأ في وقت واحد؛ والنموذج الناتج برنامج خطي بحجم النموذج الأصلي وهو الأكثر استخدامًا عمليًا. التحسين الحصين القابل للتعديل (بن طال غورياشكو غوسليتزر نميروفسكي 2004) يسمح بتكييف قرارات المرحلة الثانية مع عدم اليقين المتحقق، غالبًا عبر قواعد قرار خطية. التحسين الحصين التوزيعي (DRO) يُحسّن أسوأ قيمة متوقعة على عائلة من التوزيعات ويجمع بين النهجين الاحتمالي والحصين. مقارنة بالبرمجة العشوائية لا يتطلب معلومات توزيعية لكنه أكثر تحفظًا. مراجع: بن طال الغاوي نميروفسكي (2009)، بيرتسيماس براون كاراماني (2011).
Örnek
شركة نسيج توزع طلبات المواد الخام على ثلاثة موردين قد تتغير أسعارهم بنسبة زائد أو ناقص 15 بالمئة دون توزيع متاح. نموذج بيرتسيماس-سيم بميزانية Γ = 2 يفترض أن موردين على الأكثر يصلان معًا إلى أسوأ سعر؛ يوزّع الحل 45 / 35 / 20 بالمئة بدلًا من الاعتماد على مورد واحد. ترتفع التكلفة الاسمية 3 بالمئة، لكن تكلفة أسوأ الحالات تنخفض 18 بالمئة، مما يمنح الشركة محفظة شراء واقية من صدمات الأسعار.