دانلود مقاله ISI انگلیسی شماره 132280
ترجمه فارسی عنوان مقاله

حداقل مدل خوش شانس مورد انتظار برای مشکل کمترین مسیر با توزیع احتمالی وابسته به راه حل

عنوان انگلیسی
A minimum expected regret model for the shortest path problem with solution-dependent probability distributions
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
132280 2017 9 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Computers & Operations Research, Volume 77, January 2017, Pages 11-19

ترجمه کلمات کلیدی
استحکام و حساسیت، برنامه ریزی تصادفی،
کلمات کلیدی انگلیسی
Robustness and sensitivity analysis; Stochastic programming;
ترجمه چکیده
ما یک مشکل بهینه سازی را در نظر می گیریم که در آن هزینه یک راه حل ممکن بستگی به مجموعه ای از پارامتر های ناشناخته (سناریو) که درک می شوند. برای ارزیابی هزینه اجرای یک راه حل معین، عملکرد آن با بهترین گزینه در هر سناریو امکان پذیر است. تفاوت مثبت بین ارزش عینی هر دو راه حل، پشیمانی مربوط به یک سناریوی ثابت را تعریف می کند. مدل بهینه سازی پیشنهاد شده به دنبال راه حل مصالحه با به حداقل رساندن شک و تردید انتظار می رود که انتظار می رود با توجه به توزیع احتمالی که بستگی به همان راه حل ارزیابی شده است، که به نام توزیع احتمالی وابسته به راه حل است. ما مدل بهینه سازی به دست آمده با استفاده از یک خانواده خاص از توزیع احتمالی وابسته به راه حل به کوتاه ترین مشکل مسیر که در آن پارامتر های ناشناخته طول طول قوس شبکه است. این رویکرد می تواند برای تولید مدل های جدید برای بهینه سازی قوی که در آن درجه محافظه کاری با استفاده از خانواده های مختلف توزیع های احتمالی برای پارامتر های ناشناخته، کالیبره شده است.
پیش نمایش مقاله
پیش نمایش مقاله  حداقل مدل خوش شانس مورد انتظار برای مشکل کمترین مسیر با توزیع احتمالی وابسته به راه حل

چکیده انگلیسی

We consider an optimization problem in which the cost of a feasible solution depends on a set of unknown parameters (scenario) that will be realized. In order to assess the cost of implementing a given solution, its performance is compared with the optimal one under each feasible scenario. The positive difference between the objective values of both solutions defines the regret corresponding to a fixed scenario. The proposed optimization model will seek for a compromise solution by minimizing the expected regret where the expectation is taken respect to a probability distribution that depends on the same solution that is being evaluated, which is called solution-dependent probability distribution. We study the optimization model obtained by applying a specific family of solution-dependent probability distributions to the shortest path problem where the unknown parameters are the arc lengths of the network. This approach can be used to generate new models for robust optimization where the degree of conservatism is calibrated by using different families of probability distributions for the unknown parameters.